[发明专利]一种基于季节卡尔曼滤波模型的电力负荷自适应预测方法

说明书

技术领域

本发明属于电力系统电能量数据应用技术领域，尤其涉及一种基于季节卡 尔曼滤波模型的电力负荷自适应预测方法。

背景技术

卡尔曼滤波器(Kalmanfiltering)是一种基于最小化协方差估计误差的 线性模型，其具有计算简单，理论基础扎实的优势。于静文,薛蕙,温渤婴.基 于卡尔曼滤波的电能质量分析方法综述[J].电网技术,2010,34(2):97-103，对 电能质量问题及其分析检测方法进行简单介绍；主要综述了常规卡尔曼滤波、 扩展卡尔曼滤波和无迹卡尔曼滤波这3种卡尔曼滤波的基本原理，并对其在电 能质量分析中的应用进行了系统的总结，对比分析了各种方法的利弊。

马静波,杨洪耕.自适应卡尔曼滤波在电力系统短期负荷预测中的应用[J]. 电网技术,2005,29(1):75-79.等研究者考虑电力系统自身变化的特点，将不同 日期的同一时刻的历史用电数据建立了含有时变系数的负荷系统模型、观测模 型和系统参数模型。运用时变噪声统计估值器对噪声协方差进行自适应估计， 用预测方程预测次日的负荷，其研究表明，考虑历史数据的自适应时变噪音估 计器的预测方程的预测能力比一般的卡尔曼预测模型更强。但其研究是建立在 每日同一时刻用电负荷是平稳序列的假设下的，在推广到预测全日的总负荷 时，原有的假设不一定成立，即全日的总负荷并不一定与前一周或前一个月的 同一时段的负荷构成一个平稳序列。

在现实生产环境中，其周期规律更加复杂。甚至对于同行业内的用电企业 个体，其用电负荷的周期都是不一样的。因此，如何设计一个能自适应进行不 同周期下的电力负荷时间序列预测模型是需要解决的问题。

发明内容

本发明的目的为解决现有技术的上述问题，提供一种预测效果优良、准 确率高，且基于季节卡尔曼滤波模型的电力负荷自适应预测方法，为了实现上 述目的，本发明采用的技术方案如下：

一种基于季节卡尔曼滤波模型的电力负荷自适应预测方法，其特征在于： 包括以下步骤：

1)、对用电企业生产过程中的电力负荷进行数据采集，并采集记录用电 企业在工业制造过程中电力负荷曲线，将采集到的电力负荷曲线进行自适应周 期识别。

2)、将电力负荷识别数据进行快速傅里叶变换，得到频谱序列s_j，取频 谱最大的序列下标作为周期T，T等于频谱序列s_j对应的最大的j，则：

sj=Σk=0n-1e-2πnjkhk,]]>

其中，h_k∈(h₀,h₂,h₃,…,h_n-1)是电力负荷的真实值序列，j＝0,1,2,…,n-1；

3)、采用季节卡尔曼滤波模型对用电企业的用电模式进行预测，季节卡 尔曼的用电模式进行预测过程满足：

x_k+1/k＝Ax_k/k-1+G_k[y_k-Hx_k/k-1],

其中，x_k+1/k是基于k时刻的k+1时刻用电负荷的估计值；A是时变相关系数 和季节因子的乘积，G_k是预测增益矩阵。

优选地，所述卡尔曼预测过程的预测增益矩阵满足：