[发明专利]基于体感温度的短期负荷预测方法

说明书

本发明公开了基于体感温度的短期负荷预测方法，所述方法针对夏冬季的负荷进行预测，包括以下步骤：历史数据的读取；历史数据的量化；体感温度计算；待预测日信息采集；日最大负荷预测；负荷趋势曲线选择：通过相似日法选择和待预测日最接近的历史日作为趋势相似日，以该日的负荷曲线线型为待预测日线型；日负荷预测：选出趋势相似日最高、最低负荷值，将该日96个点的负荷数据均减去最低负荷值，再除以最高负荷与最低负荷之差，然后将归一化的数据乘以待预测日的预测最高负荷和最低负荷之差，再加上预测最低负荷值即可得出全天负荷预测值。本发明极大地提高了负荷预测速度，并且保证了负荷预测的精度。

技术领域

本发明涉及电力技术领域，特别是涉及基于体感温度的短期负荷预测方法。

背景技术

电力负荷预测工作是指导电网规划、建设、运行、检修工作的主要依据。短期负荷预测是负荷预测的重要组成部分。准确的短期负荷预测能够指导输电、配电系统及时调整运行方式，合理安排停、送电检修计划。因此高质量的负荷预测能够指导电网公司在满足供电质量要求的条件下，最合理的利用人、财、物等各项资源同时获得最优社会、经济效益。在电力市场环境下，短期负荷预测工作的重要性愈发凸显。

多年来电力负荷预测方法不断发展，主要有相似日法、时间序列法、神经网络法、模糊理论法、趋势分析法等。

上述方法及存在的问题如下：

相似日法原理简单，但相似度评价函数的选取严重制约了其预测精度。

时间序列法计算速度快，但其模型无法具体体现影响负荷的因素，且其模型的搭建需要丰富的经验。

神经网络法预测精度高，但存在学习时间长、易局限于局部最小点的缺点。

模糊预测法能很好的处理负荷变化的不确定性，但单独使用模糊预测法的预测精度不高。

趋势分析法若能选择合适模型，较好拟合实际负荷曲线，则预测结果较好，而不同模型间预测结果差别较大，选择出合适模型十分困难。

综上所述，现有技术中对于短期负荷预测问题，尚缺乏有效的解决方案。

发明内容

为了解决现有技术的不足，本发明提供了基于体感温度的短期负荷预测方法，本发明根据负荷的特性搭建结构简单并且能体现影响负荷的主要因素的模型，可有效提高计算速度并保证计算精度，又能避免局部最小点问题。

基于体感温度的短期负荷预测方法，所述方法针对夏冬季的负荷进行预测，包括以下步骤：

历史数据的读取：获取历史日气象数据及电力负荷数据；

历史数据的量化：将影响电力负荷变化的不同因素根据其影响的程度量化，包括日类型的量化和气象信息的量化；

体感温度计算：根据量化后的历史数据以及体感温度计算公式计算历史每天的体感温度；

待预测日信息采集：将待预测日的气象信息及电力负荷信息进行采集；

日最大负荷预测：将采集的待预测日信息输入至日最大负荷预测模型进行日最大负荷预测；

负荷趋势曲线选择：通过相似日法选择和待预测日最接近的历史日，以该日的负荷曲线线型为待预测日负荷曲线线型；

日负荷预测：选出趋势相似日最高、最低负荷值，将负荷数据均减去最低负荷值，再除以最高负荷与最低负荷之差，然后将归一化的数据乘以预测出的最高负荷和最低负荷之差，再加上预测最低负荷值即可得出全天负荷预测值。

进一步的，上述基于体感温度的短期负荷预测方法中，首先需要获取历史气象数据及电力负荷数据。