[发明专利]一种基于电力用户数据的短期负荷预测方法

权利要求书

1.一种基于电力用户数据的短期负荷预测方法，其特征在于，包括以下步骤：

1)数据采集单元采集单个电力用户的负荷数据，并将其传输给数据处理单元；

2)数据处理单元根据建立的短期负荷预测模型对接收的数据进行处理，得到下一时刻的负荷预测值。

2.根据权利要求1所述的一种基于电力用户数据的短期负荷预测方法，其特征在于，所述的短期负荷预测模型根据时间序列方法建立，具体过程如下：

1)建立样本数据的自回归滑动平均模型ARMA，该模型如公式(1)所示，

其中y(t-p)，y(t-p+1)，...，y(t-1)，y(t)是电力用户连续一段时间的负荷数据值；α_t，α_t-1，...，α₀是白噪声序列；p、q分别为自回归阶数和滑动平均阶数；和θ_j分别为自回归系数和滑动平均系数，i＝1，2，...，p，j＝1，2，...，q；

2)对ARMA模型的进行辨识和参数估计。

3.根据权利要求2所述的一种基于电力用户数据的短期负荷预测方法，其特征在于，所述的对ARMA模型的进行辨识具体过程如下：

21)根据公式(2)对ARMA模型进行零变换，

Y(i)=y(i)-y‾,i∈[1,N],---(2)]]>

其中y(i)为第i个样本值，Y(i)为相应的变换后的值，为所有样本的平均值，N为样本容量且N≥50；

22)根据公式(3)计算ARMA模型的自相关函数ρ_k的估计值：

ρk=1N-kΣi=1N-kY(i)Y(i+k)1NΣi=1NY(i)2---(3)]]>

其中k表示自相关函数的项数；

23)再通过公式(4)计算出偏相关函数a_kk的估值：

a11=ρ1ak+1,k+1=(ρk+1-Σj=1kakjρk+1-j)(1-Σj=1kakjρj)-1ak+1,j=akj+ak+1,k+1ak,k-j+1---(4)]]>

其中j＝1，2，...，k；

24)通过Box Jenlkins定理，以95％概率原则对ρ_k和a_kk进行“拖尾”及“截尾”的判定，并计算自回归阶数p和滑动平均阶数q。