[发明专利]一种基于电力系统短期负荷的预测方法

权利要求书

1.一种基于电力系统短期负荷的预测方法，其特征在于：其预测方法包括以下步骤：

1)训练数据获取：将电力调控中心电网能量管理系统中的历史负荷数据、历史气象数据及天气预报数据导入数据库，根据影响因素制作负荷曲线，且该负荷曲线以天为单位，计算各个影响因素条件下负荷曲线的灰色关联结果，将关联结果进行排序得出影响负荷的关键因素，并设置关键因素为测试和训练基础；

2)训练数据归一化处理：将训练数据进行归一化处理；

3)训练数据异常处理：通过莱以特准则删除训练数据中的异常数据；

4)训练数据函数变换：将步骤2中处理好的数据设置为原始训练数据组储存，同时针对原始训练数据组进行函数变换并保存多组变换方案；

5)显著性分析：采用皮尔逊相关系数法对所有训练数据组进行显著性分析，并分别对比多组分析结果；

6)广义回归神经网络模型训练：以显著性分析中提取的变换数据组为输入，具体为预测时段前2天的变换数据，对应未来1天负荷为输出，训练广义回归神经网络模型；

7)广义回归神经网络模型预测：利用训练好的广义回归神经网络模型，选取函数变换数据作输入，电力系统负荷作输出，预测未来1天中电力系统的负荷情况。

2.根据权利要求1所述的一种基于电力系统短期负荷的预测方法，其特征在于：步骤2中归一化处理公式为：

其中，所述为样本平均值，所述s为样本标准差。

3.根据权利要求1所述的一种基于电力系统短期负荷的预测方法，其特征在于：步骤3中的莱以特准则为：

其中：所述v_f为残差，所述s’为样本标准差。

4.根据权利要求1所述的一种基于电力系统短期负荷的预测方法，其特征在于：步骤4采用lnx_g进行函数变换。

5.根据权利要求1所述的一种基于电力系统短期负荷的预测方法，其特征在于：所述广义回归神经网络至少包括输入层、隐含层和输出层。

6.根据权利要求5所述的一种基于电力系统短期负荷的预测方法，其特征在于：所述隐含层包括模式层和求和层。

7.根据权利要求6所述的一种基于电力系统短期负荷的预测方法，其特征在于：各个从神经元至模式层以及求和层的样本皆设置有与其相对应的径向基神经元。