[发明专利]一种基于模糊聚类的中长期电力负荷预测方法

说明书

技术领域

本发明涉及一种基于模糊聚类的中长期电力负荷预测方法，适用于电网的年最大负荷、 年用电量预测。

背景技术

负荷曲线反映用户的用电特点及规律，通过负荷变化趋势，安排电力系统运行方案，安 排供电设备计划，安排设备检修计划等，而中长期负荷变化趋势更是电网规划的基础，电网 规划又是电网建设的依托。因此，如何准确进行负荷预测已经成为提高电网运行合理度及其 规划质量的前提。

电力负荷受到的影响因素众多，具有较强的不确定性和随机性，且相互之间存在着一定 的关联性，当使用传统方法进行电力负荷预测时，在确定影响因素对被预测量的影响程度时， 由于影响因素之间的关联性极有可能导致信息重叠，导致预测模型的精准度降低。传统预测 方法大致可以分为参数估计法和人工智能法，经过不断演化，传统预测模型都已较为成熟。 传统预测方法多以如“负荷相关经济数据”等负荷间接影响因素或者电力负荷数据序列本身 进行建模和分析，有效地利用负荷相关经济数据或者序列自身反应的一些隐含信息，但这些 信息还不够全面、完整。

对于中长期电力负荷预测来说，怎样消除众多负荷影响因素的相关性，挖掘如“主要行 业用电量”等负荷直接影响因素的新信息，从而更加准确、全面的表述影响因素对负荷的作 用量，对提高负荷预测精度具有重要的意义。

发明内容

本发明的目的是，提供一种能充分考虑负荷影响因素之间的关联性并予以消除，更加全 面的、深刻的挖掘负荷直接影响因素的新信息，提升负荷预测精准度,科学合理，简便易行， 适用性强的基于模糊聚类的中长期电力负荷预测方法。

为实现上述目的，所采用的技术方案是：一种基于模糊聚类的中长期电力负荷预测方法， 其特征是，包括以下步骤：

1)消除影响因素间的强相关性

为了消除电力负荷影响因素彼此之间的强相关性，作出精确预测，需采用模糊聚类法对 影响因素进行分类，相关性较强的若干因素将被归为一类，便于分析其对电力负荷的整体影 响；

设有m个样本，每个样本包括持续观测得到的n个样本元素，观测数据矩阵X如下：

x‾ij=xijmax{xi1,xi2,...xin}---(2)]]>