[发明专利]一种融合历史数据和实时影响因素的精细化负荷预测方法

权利要求书

1.一种融合历史数据和实时影响因素的精细化负荷预测方法，所述方法包括以下步骤：

步骤(1)，采用相关系数定量分析负荷与湿度、温度、降雨、风速和风向各天气影响因素之间的相关程度，并结合当地的地理位置和气候条件，突出主要的影响因素，忽略次要的影响因素，

步骤(2)，用函数拟合主要影响因素对负荷的非线性影响趋势，

步骤(3)，针对不同的日属性(工作日、周末、节假日)，分别建立融合历史数据和实时影响因素的支持向量机精细化负荷预测模型，

步骤(4)，综合考虑步骤(3)中针对不同日属性所建立的负荷预测模型，建立一个在特定地区能够适用于所有日属性的通用型负荷预测模型。

2.如权利要求1所述的预测方法，其特征在于：所述步骤(1)中，在SPSS中利用相关系数求解浙江省某地级市2012年春、夏、秋、冬四个季节每日的日96点负荷与温度、湿度、降雨、风速、和风向各天气影响因素之间的相关系数，相关系数的计算公式为，

ρ=Σi=1N(xi-x‾)(yi-y‾)Σi=1N(xi-x‾)2Σi=1N(yi-y‾)2]]>

式中ρ为相关系数,N为样本个数，x_i为各天气影响因素的样本数据，为各天气影响因素样本数据的平均值，y_i为负荷样本数据，为负荷样本数据的平均值。

3.如权利要求1所述的预测方法，其特征在于：所述步骤(2)中，用函数拟合主要影响因素对负荷的非线性影响趋势，主要影响因素与负荷之间的函数为，

y_i＝f(x_i) i＝1,...N

式中x_i为主要影响因素的样本数据，y_i为负荷样本数据，N为样本个数。