[发明专利]一种基于气温因素和非线性自回归时序模型的短期负荷预测方法

权利要求书

1.一种基于气温因素和非线性自回归时序模型的短期负荷预测方法，其特征在于，包括以下步骤：

步骤一：获取若干个历史日的电力负荷和若干个历史日的气温数据以及待预测日的预报气温；

步骤二：确定所述非线性自回归时序模型阶次和各阶子项记忆步长，估计模型参数，得到负荷预测模型；

步骤三：根据所述的待预测日预报气温和所述的负荷预测模型预测所述待预测日负荷；

所述的负荷预测模型包括线性子项即一阶子项和非线性子项即二阶以及二阶以上阶次子项，所述的各阶子项记忆步长包括负荷序列关于该阶次的记忆步长和气温序列关于该阶次的记忆步长，确定所述的模型阶次和各阶子项记忆步长包括以下步骤：

步骤二(101)：定义线性定阶指标和非线性定阶指标；

步骤二(201)：根据所述的线性定阶指标确定所述模型的一阶子项记忆步长，短期负荷非线性较强，线性部分占比较小，在确定所述模型的一阶子项记忆步长时，令所述的负荷序列关于该阶次的记忆步长等于所述的气温序列关于该阶次的记忆步长；

步骤二(301)：根据所述的非线性定阶指标确定所述模型的非线性阶次和非线性各阶子项的记忆步长，每一阶非线性子项均有该阶子项所对应的非线性定阶指标，短期负荷对气温因素较敏感，主要通过调节所述的气温序列关于各阶非线性子项的记忆步长来寻找最优模型；

确定所述模型的非线性阶次和非线性各阶子项的记忆步长，包括以下步骤：

步骤二(302)：设所述的非线性阶次r＝2；

步骤二(303)：令所获得的负荷序列和气温序列关于r阶子项的记忆步长的初始值为1，估计模型参数，计算非线性定阶指标；

步骤二(304)：令所述的负荷序列关于r阶子项的记忆步长增加1，估计模型参数，计算非线性定阶指标，与前一个计算所得的非线性定阶指标相比较；

步骤二(305)：若所述的非线性定阶指标未减小，此时负荷序列的记忆步长即为所述模型的负荷序列关于r阶子项的记忆步长，若所述的非线性定阶指标减小，则重复上一步骤，直到所述的非线性定阶指标不再减小为止，则此时负荷序列的记忆步长即为所述模型的负荷序列关于r阶子项的记忆步长；

步骤二(306)：令所述的气温序列关于r阶子项的记忆步长增加1，估计模型参数，计算非线性定阶指标，与前一个计算所得的非线性定阶指标相比较；

步骤二(307)：若所述的非线性定阶指标未减小，此时气温序列的记忆步长即为所述模型的气温序列关于r阶子项的记忆步长，此时的非线性定阶指标即为所述的r阶子项非线性定阶指标，若所述的非线性定阶指标减小，则重复上一步骤，直到所述的非线性定阶指标不再减小为止，此时气温序列的记忆步长即为所述模型的气温序列关于r阶子项的记忆步长，此时的非线性定阶指标即为所述的r阶子项非线性定阶指标；

步骤二(308)：令r＝r+1，重复步骤二(303)至步骤二(307)，得到所述的r阶子项非线性定阶指标，并与r-1阶子项非线性定阶指标相比较；

步骤二(309)：若所述的r阶子项非线性定阶指标不小于所述的r-1阶子项非线性定阶指标，则模型的阶次为r-1阶，若所述的r阶子项非线性定阶指标小于所述的r-1阶子项非线性定阶指标，则令r＝r+1，重复步骤二(303)至步骤二(307)，直到r阶子项非线性定阶指标不再小于r-1阶子项非线性定阶指标为止，此时所述模型的阶次为r-1阶。

2.根据权利要求1所述的一种基于气温因素和非线性自回归时序模型的短期负荷预测方法，其特征在于，确定所述模型的一阶子项记忆步长，包括以下步骤：

步骤二(202)：令所获得的负荷序列和气温序列关于一阶子项的记忆步长的初始值为1，估计模型参数，计算线性定阶指标；

步骤二(203)：令所述的负荷序列和气温序列关于一阶子项的记忆步长都增加1，估计模型参数，计算所述的线性定阶指标，与前一个计算所得的线性定阶指标相比较；

步骤二(204)：若所述的线性定阶指标未减小，则此时负荷序列和气温序列的记忆步长即为所述模型的一阶子项记忆步长，若所述的线性定阶指标减小，则重复上一步骤，直到所述的线性定阶指标不再减小为止，此时负荷序列和气温序列的记忆步长即为所述模型的一阶子项记忆步长。