[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

说明书

技术领域

本发明涉及电力预测技术领域,尤其涉及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。

背景技术

无论微网还是大电网，提高短期负荷预测精度都是改善电能质量、使电网安全和经济运行的关键一环。短期负荷数据是按一定的时间间隔记录的，带有时间特征、非线性和较强的随机性，时序分析方法是对此类数据建模和预测的成熟且有效的方法。典型的非线性时序模型通用性不强，对负荷序列平稳性要求较高，仅仅考虑历史数据,较少考虑外部环境因素的影响及自身数据的规律性，而电力负荷的变化既有自身的规律性，又受某些相关因素的影响，在影响负荷的相关因素中，气温是最敏感的因素之一。非线性自回归时序模型建模时无须对序列进行平稳性检验，所能拟合的非线性范围广，通用性好，允许将影响输出的某些关键因素加入到建模过程中，可提高时序模型的建模预测精度。

发明内容

本发明的目的在于，为了提高短期负荷预测准确率，根据以上分析，提出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。

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，包括以下步骤：

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；

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；

根据所述的待预测日的预报气温和所述的负荷预测模型预测所述待预测日的负荷。

与一般的时序短期负荷预测方法相比，本发明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将气温因素加入到所述的负荷预测模型的建模过程，充分体现了气温因素对于负荷的巨大影响作用，无须对序列平稳性进行检验，简化了建模过程，提高了短期负荷的预测精度，为电网调度控制提供依据，为电网安全运行提供保障。

附图说明

图1是本发明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的流程示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。

请参阅图1，为本发明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的流程示意图，本发明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，包括以下步骤：

S101获取若干个历史日电力负荷和若干个历史日气温数据以及待预测日的预报气温。

首先，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。

将所获得的电力负荷数据排成负荷序列，将所获得的历史气温数据据排成气温序列，记{y_k}负荷序列，{x_k}为气温序列，k＝1,2,3,…。

S102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。

短期负荷具有非线性特征，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。

设所述模型阶次为r，在j阶项中(j＝1，2，…，r)，负荷序列{y_k}和气温序列{x_k}关于该阶项的记忆步长分别记为n_y，j，n_x，j，令m_j＝n_y，j+n_x，j。

设向量Z_k，j为所述模型中所有j阶项所组成的有序数组。

设向量Z_k，j，i(i＝1，2，...，j)为Z_k，j中的i次因子：

Z_k，j，2＝{Z_k，j，1(1)Z_k，j，1，Z_k，j，1(2)Z_k，j，1，…，Z_k，j，1(m_j)Z_k，j，1}

Z_k，j，j＝{Z_k，j，1(1)Z_k，j，j-1，Z_k，j，1(2)Z_k，j，j-1，…，Z_k，j，1(m_j)Z_k，j，j-1}