[发明专利]一种基于超短期负荷预测的电力调度在线趋势预警系统

权利要求书

1.一种基于超短期负荷预测的电力调度在线趋势预警系统，其特征是：包括以下操作 步骤：

(1)基于用电量大数据分析的短期负荷预测；

(2)基于ARIMA算法得出的超短期负荷进行潮流趋势分析；

(3)电网风险评估告警；

(4)设备检修进度管理；

(5)数据接入全景化监视；

(6)事故中处理；

(7)事故后恢复供电。

2.根据权利要求1所述的一种基于超短期负荷预测的电力调度在线趋势预警系统，其 特征是：所述基于用电量大数据分析的短期负荷预测，包括：

使用时间序列方法进行短期负荷预测；时间序列法是一种定量预测方法，在数据挖掘 中作为一种常用的预测手段被广泛应用；对时间序列建模的两个任务，一是分析当期数据 如何受前几期的数据影响，二是变量在时间变化上的规律性。

3.根据权利要求2所述的一种基于超短期负荷预测的电力调度在线趋势预警系统，其 特征是：所述的时间序列算法为ARIMA模型，ARIMA模型全称为自回归移动平均模型(Auto RegressiveIntegratedMovingAverageModel,简记ARIMA)，是由博克思(Box)和詹金斯 (Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为Box-Jenkins模型、博 克思-詹金斯法；其中ARIMA(p，d，q)称为差分自回归移动平均模型，AR是自回归,p为自回归 项；MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数；ARIMA模型 的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数 学模型来近似描述这个序列；这个模型一旦被识别后就可以从时间序列的过去值及现在值 来预测未来值；现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行 预测；

ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后 值以及随机误差项的现值和滞后值进行回归所建立的模型；在ARIMA模型的识别过程中，主 要用到两个工具：自相关函数，简称ACF；偏自相关函数，简称PACF；以及它们各自的相关图， 即ACF、PACF相对于滞后长度描图；对于一个序列y来说，它的第k阶自相关系数(r_K)定义为 它的k阶自协方差除以它的方差；

rk=Σt=1n-k(yt-y‾)(yt+k-y‾)Σt=1n(yt-y‾)2---(1);]]>

式中:y为序列；r_K为k阶自相关系数；n表示上界，t表示下界；

式(1)是关于k的函数，也称之为自相关函数ACF(k)；偏自相关函数PACF(k)度量了消除 中间滞后项影响后两滞后变量之间的相关关系；

ARIMA(p,d,q)模型是经过d阶差分变换后的ARMA(p,q)模型，ARMA(p,q)模型的一般形 式为式(2)：

y_t＝c+φ₁y_t-1+...+φ_py_t-p+ε_t+θ₁ε_t-1+...+θ_qε_t-q(2)；

式中：c为噪声均值；φ₁,φ₂...φ_p为自回归参数；θ₁，θ₂...θ_q为移动平均参数；ε_t, ε_t-1...ε_t-q为白噪声过程；

因此，通过ARIMA模型可以对电网超短期负荷进行预测，进而开展下一步趋势分析。