[发明专利]一种短期用电负荷预测方法及装置

权利要求书

1.一种短期用电负荷预测方法，其特征在于，包括：

获取用电负荷的历史数据以及所述用电负荷的历史数据对应的天气信息的历史数据；

对所述用电负荷的历史数据以及所述天气信息的历史数据进行模糊聚类分析预处理；

根据模糊聚类分析算法对预处理后的用电负荷的历史数据进行模糊聚类，调整模糊聚类参数，获取用电负荷的历史数据的最优分类；所述最优分类中的用电负荷的历史数据与模糊聚类中心值的偏差均小于预设阈值，且所述最优分类中的用电负荷的历史数据个数大于进行模糊聚类所产生的其他分类中的用电负荷的历史数据个数；

根据一预设长度的滑动窗口在所述最优分类中的用电负荷的历史数据中获取用电负荷的历史训练数据，并在预处理后的天气信息的历史数据中获取所述用电负荷的历史训练数据的天气信息历史训练数据；

根据预先设置的预测算法，对所述用电负荷的历史训练数据和天气信息历史训练数据进行处理，获取短期用电负荷预测数据；

所述天气信息的历史数据包括：气温历史数据、风速历史数据；

对所述用电负荷的历史数据以及所述天气信息的历史数据进行模糊聚类分析预处理，包括：

将用电负荷的历史数据中的负值置为0；

根据趋势预测模型确定用电负荷的历史数据以及天气信息的历史数据中的缺失数据；

所述趋势预测模型为：x_k＝a_k-t+b_k-t×t；

其中，k为当前时刻序号；t为在k时刻之前缺失数据的时刻数量；x_k为k时刻的用电负荷的历史数据或者天气信息的历史数据；为一次移动平均值；为二次移动平均值；n为每次移动平均的长度。

2.根据权利要求1所述的短期用电负荷预测方法，其特征在于，根据模糊聚类分析算法对预处理后的用电负荷的历史数据进行模糊聚类，调整模糊聚类参数，获取用电负荷的历史数据的最优分类，包括：

根据预处理后的用电负荷的历史数据生成用电负荷的历史数据向量X；所述用电负荷的历史数据向量X的数据个数为N，待分组个数为C；

确定用电负荷的历史数据向量X的模糊分组矩阵U；

其中，μ_ij为第i个数据x_i隶属于第j个分组的隶属度；且μ_ij∈[0,1]；1≤i≤N；1≤j≤C；所述模糊分组矩阵U的代价函数为其中m为权值；D_ij为第i个数据x_i与第j个分组的特征v_j之间的加权欧式距离；A为用电负荷的历史数据向量X的方差矩阵；x_k∈C_j；C_j为第j个分组；N_j为第j个分组的数据个数；

根据模糊分组矩阵U确定所述用电负荷的历史数据向量X的最优隶属度和最优分组特征；

其中，所述最优隶属度为

所述最优分组特征为

确定最优隶属度和最优分组特征对应的分组为所述最优分类。

3.根据权利要求2所述的短期用电负荷预测方法，其特征在于，所述预先设置的预测算法包括：时间序列预测法、回归分析预测法、神经网络预测法、灰色模型预测法；所述时间序列预测法包括ARMA模型算法。