[发明专利]一种基于fisher信息处理的单气象因素短期负荷预测方法

说明书

本发明涉及一种基于fisher信息处理的单气象因素短期负荷预测方法，对历史样本数据进行分析，得到对应负荷的单气象因素Fisher信息窗口数据，以此为基础计算出单气象因素Fisher信息窗口数据的Fisher信息值，并通过对其加权处理获得Fisher信息加权的输入变量，输入变量和历史负荷数据输入人工智能预测模型，通过对单气象因素进行Fisher信息加权处理，使气象因素对负荷的累积效应体现得更加全面和合理，从而能够实现对气象敏感负荷的精确预测。

技术领域

本发明涉及电力系统电网负荷预测技术领域，尤其是一种基于fisher信息处理的单气象因素短期负荷预测方法。

背景技术

短期负荷预测是电力系统安全经济运行的基础。其预测精度受到许多相互依存因素的影响，其中气象因素对于短期负荷预测影响巨大，气象因素的累积效应会使负荷预测结果产生较大的误差，因此，负荷预测时要考虑累积效应的影响。在所有的气象因素中尤以温度对负荷的影响最为严重。夏季高温天气时，电网负荷随着温度的升高急剧攀升，特别是持续的高温天气还会对电力负荷产生累积效应，而其它气象因素也有类似的现象。

文献“考虑夏季气象因素的短期负荷预测方法研究”《电力系统保护与控制，2010》给出了一种考虑温度累积效应的修正模型，但需要动态调整累积效应系数。文献“考虑积温效应的短期负荷组合预测方法”《电力自动化设备，2011》采用曲线拟合的方法得到了一种温度累积效应的量化公式，但持续高温天数与日最高气温对温度累积效应贡献的比重系数随不同地域或同一地域的不同季节变化而变化，并不具有普遍适用性。文献“短期负荷预测中实时气象因素的影响分析及其处理策略”《电网技术，2006》给出了一种神经网络预测模型中温度和湿度累积效应的处理方法，但需要增加大量的输入层变量，这无疑增加了网络的训练时间和预测时间。

Fisher信息是系统稳定性的一种度量，通过它能定量地反映出之前气象因素变化的稳定程度，能很好地刻画这种累积效应，符合人们通常情况下中对气象变化的“稳定低”或“稳定高”的描述，避免了惯常处理方法中需确定累积效应系数的主观性和随意性。

发明内容

本发明的目的是针对电力系统短期负荷预测中单气象因素的累积效应，为了解决该问题而提出一种基于fisher信息处理的单气象因素短期负荷预测方法。

为了实现上述目的，本发明采用如下技术方案：

步骤1：读取历史样本数据，所述历史数据为电力部门提供的预测日前以及预测日的单气象因素数据及历史负荷数据；

步骤2：对步骤1中的历史样本数据进行分析，得到一个对应负荷的单气象因素Fisher信息窗口数据；

步骤3：以步骤2中获得的负荷单气象因素Fisher信息窗口数据为基础，计算出单气象因素Fisher信息窗口数据的Fisher信息值，即FI值；

步骤4：对步骤3中单气象因素的Fisher信息值加权处理，获得Fisher信息加权的输入变量；

步骤5：将步骤4获得的Fisher信息加权的输入变量和历史负荷数据输入人工智能预测模型即可实现对气象敏感负荷的精确预测；

进一步，步骤2中以电网每5分钟采集1个数据点，对历史样本数据采集单变量气象因素，构建Fisher信息的窗口数据；

进一步，步骤2中构建Fisher信息的窗口数据步骤为：

2.1：以预测当日当前时段3小时内36个点气象采集数据，为第一部分Fisher信息的窗口数据：(X_dtX_dt-1、、、X_dt-35)；