[发明专利]一种电力负荷短期预测方法

权利要求书

1.一种电力负荷短期预测方法，其特征在于，该方法包括如下步骤：

(1)获取历史电力负荷数据序列，计算历史电力负荷数据序列的赫斯特指数H；

(2)基于赫斯特指数H建立预测电力负荷的分数布朗运动模型；

(3)对分数布朗运动模型中赫斯特指数H进行全局寻优获得赫斯特指数最优值H_gbest，进而得到分数布朗运动优化模型；

(4)利用分数布朗运动优化模型预测电力负荷数据；

步骤(4)之前还包括：改变历史电力负荷数据序列中历史数据的个数并分别作为一个训练样本，对每个训练样本重复执行在步骤(1)～(3)，分别得到对应的分数布朗运动优化模型，比较各个分数布朗运动优化模型的预测结果误差，选择预测结果误差最小的分数布朗运动优化模型完成步骤(4)中电力负荷数据的预测；

步骤(2)分数布朗运动模型具体为：

对于历史电力负荷数据序列{y_t,t＝0，1,2...n}，y_t表示t时刻的历史电力负荷数据，分数布朗运动模型为：

y_t+1＝y_t+uy_tΔt+σy_tw₁(t)(Δt)^H+λy_tw₂(t)(Δt)^2H，

其中，y_t+1表示t+1时刻的电力负荷数据，Δt表示相邻两个历史电力负荷数据的时间间隔，w₁(t)和w₂(t)为服从独立的正态分布的常参数；

其中，E表示求数学期望，T＝[0,1,2,…,n]，y1′为y1的转置，T′为T的转置；

步骤(3)中采用量子行为粒子群优化方法对赫斯特指数H进行全局寻优获得赫斯特指数最优值H_gbest。

2.根据权利要求1所述的一种电力负荷短期预测方法，其特征在于，步骤(1)中电力负荷数据序列的赫斯特指数H通过重标极差分析法获取。

3.根据权利要求1所述的一种电力负荷短期预测方法，其特征在于，步骤(1)还包括赫斯特指数H的判断，若0.5＜H＜1，则历史电力负荷数据序列具有长相关性，继续执行步骤(2)，否则，结束。