[发明专利]一种基于气象相似日的负荷预测方法

权利要求书

1.一种基于气象相似日的负荷预测方法，其特征在于，包括以下步骤：

S10、统计电力系统实测负荷数据及其对应气象数据；

S20、数据预处理，对所述负荷数据和所述气象数据进行数据预处理；所述数据预处理包括缺失数据、异常数据的剔除，将剔除后气象数据与负荷数据的日期匹配；对剔除后负荷数据进行数据归一化；

S30、聚类，以所述气象数据为条件将所有负荷进行聚类分析，即依据所述气象数据将负荷日分到不同类别中，使对应负荷处于不同类别中，形成气象相似日；

所述聚类分析形成气象相似日包括以下步骤：

S31、计算不一致系数，并由不一致系数确定类别个数K，不一致系数计算公式如下：

其中，第i步并类时的并类距离为D_i，共涉及n_i个数据样本，所述数据样本之间的距离记为则其均值为标准差为s_i；

S32、依据类别数建立相应个数的高斯模型，所述高斯模型的加权和即为混合高斯模型，其定义如下：

其中，K为模型的个数，π_k为第k个高斯的权重，p(x|k)则为第k个高斯的概率密度函数，其均值向量为μ_k，协方差矩阵为σ_k；

S33、将各日期的气象数据在各个所述高斯模型上投影得到每组气象数据属于各类的概率，选取概率最大的作为聚类结果，同类日期成为气象相似日；

S40、基于所述气象相似日所属类别中已知负荷的每个时刻，建立支持向量机预测模型；对所述支持向量机预测模型进行训练；

S50、所述支持向量机预测模型的模型参数，基于交叉验证思想进行参数寻优，实现负荷模型的最优预测；

S60、将待预测日的气象数据输入训练完成的支持向量机预测模型，得到所述待预测日的负荷预测。

2.根据权利要求1所述的基于气象相似日的负荷预测方法，其特征在于，步骤S20中所述数据归一化采用以下公式：

y＝(y_max-y_min)·(x-x_min)/(x_max-x_min)+y_min

其中，x表示归一化前数据，x_max和x_min分别表示其最大值和最小值，y表示归一化后数据，y_max和y_min分别表示设定的最大值和最小值。

3.根据权利要求2所述的基于气象相似日的负荷预测方法，其特征在于，步骤S40中建立和训练所述支持向量机预测模型具体步骤如下：

S41、设置窗口大小并形成训练集的输入与输出；针对所有已知负荷P，设置一个数值w作为窗口大小，每w个同时刻负荷组成一组训练集的输入向量，将该组最后一个负荷的下一个负荷作为训练集的输出向量，形成该时刻的训练集；每个时刻均形成一个输入矩阵X和输出向量Y；

S42、利用训练集的输入输出建立该时刻的支持向量机预测模型，其中所述支持向量机预测模型参数初值采用默认值；

S43、基于交叉验证的思想，以预测误差为目标，优化所述支持向量机预测模型的惩罚参数C和核函数参数γ；

S44、运用每个时刻优化的模型对下一日即待预测日的每个时刻都进行对应的预测，即每个时刻都形成一个预测集输入向量X’，将向量输入优化的所述支持向量机预测模型可得该时刻的预测集输出Y’；

S45、检查是否所有时刻都已建模并预测，若尚未全部完成，则返回S43直至所有时刻都完成建模、优化及预测；全部完成则执行S46；

S46、数据反归一化，并整合所有时刻，形成全日预测负荷；其中反归一化采用如下公式：

x＝(x_max-x_min)·(y-y_min)/(y_max-y_min)+x_min

式中各物理量与S20中归一化时的物理量一致。

4.根据权利要求1所述的基于气象相似日的负荷预测方法，其特征在于，步骤S50中参数寻优采用粒子群算法。