[发明专利]一种基于ARIMA和相空间重构SVR的母线净负荷预测方法

权利要求书

1.一种基于ARIMA和相空间重构SVR的母线净负荷预测方法，其特征在于，具体包括以下几个步骤：

步骤一，确定ARIMA模型的(p,q,d)参数，建立ARIMA模型；

步骤二，基于CC法对ARIMA(p,q,d)模型残差序列进行相空间重构；

步骤三，基于重构后的残差矩阵利用SVR建立净负荷非线性部分预测模型；

步骤四，获得净负荷预测最终结果；

步骤一中，所述ARIMA模型是对母线净负荷{p′_bus,t,t＝1,2,...N}进行建模；N为母线净负荷数据样本数量；

所述母线净负荷是指：设定时刻母线负荷与相应时刻分布式电源出力之差

P_N-Bus,t＝P_Bus,t-P_DG,t (1)

其中，P_N-Bus,t为母线设定时刻净负荷；P_Bus,t为母线负荷，该数据来源于变电站电量计量系统；P_DG,t为相应母线时刻分布式光伏电源出力，该数据来源于光伏监测系统；

步骤一中，所述ARIMA模型的建模方法如下：

(1-1)差分处理：对原始序列[P_N-Bus,t]进行d阶差分处理得到平稳时间序列[P′_N-Bus,t]；

(1-2)模型识别与参数定阶：计算平稳时间序列[P′_N-Bus,t]自相关和偏自相关系数，初步确定模型类别(AR，MA，ARMA)，利用最小信息准则AIC确定模型参数p，q的取值；

(1-3)参数估计：利用相关矩进行自回归系数a_i和滑动平均系数b_j的参数估计，确定最终ARIMA(p,q,d)模型为：

e_t-j是白噪声序列，为独立误差；

(1-4)数据预测：通过建立的ARIMA模型进行单步预测，得到预测结果PF_N-Bus,t即为线性成分。

2.根据权利要求1所述的基于ARIMA和相空间重构SVR的母线净负荷预测方法，其特征在于，步骤二中，基于CC法对ARIMA(p,q,d)模型残差序列进行相空间重构，残差序列RE_t的表达式为：

RE_t＝P_N-Bus,t-PF_N-Bus,t (2)

其中，残差序列{RE_t,t＝1,2,...N}包含净负荷序列{P_N-Bus,t,t＝1,2,...N}的非线性关系。