[发明专利]一种智能电网园区终端用户能源需求状况动态预测系统及方法

权利要求书

1.一种智能电网园区终端用户能源需求状况动态预测方法，其特征在于，所述智能电网园区终端用户能源需求状况动态预测方法包括：

首先对影响智能电网园区终端用户冷热电负荷需求的最高温度、最低温度、平均温度、降雨量、风速、太阳辐射强度气象因素进行主成分分析；

其次将相关变量转换成少数线性无关的随机变量；将天气因素和日类型进行量化，与历史负荷数据采用模糊聚类方法进行分析形成样本；

然后将智能电网园区中多种类型的负荷、多种类型的分布式供能系统的负荷特性均体现在负荷曲线中；

最后按照BP神经网络算法流程对模型进行求解，得到冷热电负荷预测结果。

2.如权利要求1所述的智能电网园区终端用户能源需求状况动态预测方法，其特征在于，所述智能电网园区终端用户能源需求状况动态预测方法具体包括以下步骤：

第一步，运用主成分分析法对影响负荷的多种因素进行分析；基于模糊聚类分析法对用户类型进行分类；对BP神经网络进行学习和训练，网络收敛后，对智能电网园区的冷热电负荷进行动态预测；

第二步，以欧氏距离最短的类别作为预测日的类别，建立BP神经网络进行预测，得到智能电网园区终端用户冷热电负荷数据。

3.如权利要求2所述的智能电网园区终端用户能源需求状况动态预测方法，其特征在于，所述运用主成分分析法对影响负荷多种因素进行分析的步骤包括：

步骤一、对样本数据进行标准化处理：

原始数据矩阵：

式中，n是样本个数；p是每个样本维数；X_ij为第i个样本的第j维取值，用X₁,X₂,…,X_p分别表示矩阵X的各列矢量，有：

Xj*=Xj-E(Xj)Vax(Xj);]]>

式中E(X_j)和Vax(X_j)分别表示X_j的均值和方差；

步骤二、计算相关系数矩阵R：

rij=Cov(Xi,Xj)Var(Xi)Var(Xj)=1nΣk=1nXki*Xkj*;]]>

式中Cov(X_i，X_j)表示数据矩阵中第i列与第j列之间的协方差；

步骤三、求正交矩阵及其特征值：

P^TRP＝diag(λ₁,λ₂,…,λ_p)；

式中λ₁≥λ₂≥…≥λ_p是R的p个特征值，diag表示对角矩阵。