[发明专利]一种基于云模型的短期负荷预测方法

说明书

技术领域

本发明属于电力系统技术领域，尤其是涉及一种基于云模型的短期负荷 预测方法。

背景技术

短期负荷预测是负荷预测的重要组成部分，电力系统短期负荷预测主要 指预报未来几小时、一天至几天的电力负荷，是制定调度计划、供电计划、 交易计划的基础，对于保障电力系统的安全与稳定运行至关重要。目前短 期负荷预测的方法较多，但随着电力生产和消费日益市场化，对负荷预测 的准确性、实时性和可靠性要求越来越高。

负荷随时间处于动态变化之中，气象因素、日类型、季节类型等对负荷 影响较大，要提高短期负荷预测精度，需综合考虑影响负荷的多个因素。 现有预测技术能够达到一定预测精度，但随着电力行业的快速发展，电力 负荷的性质和负荷量同时也在快速变化，需有新的预测方法适应未来电力 负荷预测的需要。基于云模型的短期负荷预测方法将评价方法中的打分法 应用在负荷预测领域，提出一种电力负荷预测新思路。该方法将影响负荷 的定性指标和定量指标通过统一规范化处理，求取加权偏离度并绘制云图， 负荷分类直观、有效，具有较好的应用前景。

发明内容

本发明主要解决负荷预测中负荷分类问题，对影响负荷的定性指标和定 量指标提出一种较为实用的规范化处理方法，并提供一种直观有效的负荷 分类云图。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于云模型的短期负荷预测方法，其特征在于：基于一个三层负荷 分类模型，该三层负荷分类模型是基于季节，日类型和气象因素建立的一 个三层负荷分类模型；分别是：

四个一级指标的分类模型：具体是根据季节不同，分别建立春、夏、秋、 冬四个一级指标的分类模型；

三个二级指标模型：在一级指标模型下，根据日类型的不同，将日类型 分成普通工作日，周末、节假日三个二级指标模型；

一个分层多级指标模型：将气象因素作为第三级指标，对负荷进一步进 行分类；所述气象因素包括日天气类型(晴，多云，阴，雨，雪)，温度(最 高温度，最低温度，平均温度)，风速，湿度。按气象指标进行分类时，需 综合考虑日天气类型，温度，风速和湿度等表征天气特征的参量。对于直 接量化的指标，如温度，风速和湿度，可采取线性映射，或分段映射。以 温度为例，取当地高温阈值和低温阈值，假设高温为30℃和33℃，低温为 0℃和4℃。对于4℃到30℃采用线性映射取值，取值随温度变化不大； 30℃到33℃之间，采用另一组线性映射取值，取值随温度变化较大；温度 高于33℃，采用非线性映射取值，低温区间的处理办法与高温区间相同。 对于日天气类型等定性指标，按分类进行映射。

具体包括以下步骤：

步骤1：提取第三级指标负荷分类的特征量，根据相关系数法分析影响 负荷的相关因素。

R=cov(X,Y)D(X)D(Y)]]>式一

其中，R为相关系数；cov(X,Y)为X和Y的协方差,分别为X和Y均方差。

步骤2：建立定性指标和定量指标的打分标准，利用隶属度函数得到第 三级指标各个特征量的分值。分值越大表明该特征量使负荷量越大；具体 包括以下子步骤：

步骤2.1：根据步骤1获得第三级指标中影响负荷量的相关因素，其中 分别有定性指标和定量指标，定性指标为天气类型；定量指标有日最高温 度，日最低温度，日平均温度，风速,湿度等。定性指标直接进行打分，定 量指标利用隶属度函数进行打分；