[发明专利]中长期负荷链式关联预测方法、装置及可读存储介质

权利要求书

1.中长期负荷链式关联预测方法，其特征在于，包括以下步骤：

T1：统计某地区历史用电量指标数据，并将历史用电量指标数据划分为不同的阶段状态；

T2：计算各阶段状态出现的初始概率；

T3：利用链式关联方法计算各个阶段状态向其他状态转移的概率，生成中长期负荷预测一步转移矩阵，预测下一中长期时段的负荷情况。

2.根据权利要求1所述的中长期负荷链式关联预测方法，其特征在于，还包括步骤T4：

T4：对T3中的中长期负荷预测一步转移矩阵进行多步转移计算，根据计算结果对未来中长期多个时段的负荷情况进行预测。

3.根据权利要求1所述的中长期负荷链式关联预测方法，其特征在于，在T1中，通过智能电表采集生成历史指标数据表，对用电量预测指标对象进行全面调查和修订，从多个可能影响的指标层面对负荷预测分析，最后确定历史用电量指标数据对应的不同阶段状态。

4.根据权利要求1所述的中长期负荷链式关联预测方法，其特征在于，将T1中得到的n个阶段状态分别记为E₁……，E_i……，E_n，i∈[1，n]；

T2中所述初始概率的计算公式为：

所述P_i表示初始概率，F_i表示历史的阶段状态E_i实际出现的频率，M_i表示历史用电量指标数据为状态E_i的指标数据量，N为历史用电量指标数据总量。

5.根据权利要求4所述的中长期负荷链式关联预测方法，其特征在于，T3中所述的各个阶段状态向其他状态转移概率，即指标数据由状态E_i转向状态E_j的状态转移概率P_ij的计算公式为：

其中，M_ij表示由状态E_i转向状态E_j的指标数据个数，i∈[1，n]，j∈[1，n]。

6.根据权利要求5所述的中长期负荷链式关联预测方法，其特征在于，T3中所述的预测下一中长期时段的负荷情况分方法为：

将所有状态转移概率排列生成一步状态转移矩阵P：

第i行中概率最大的转移状态即为状态E_i的预测状态转移结果。

7.根据权利要求6所述的中长期负荷链式关联预测方法，其特征在于，对一步状态转移矩阵P进行K步转移计算，K步转移矩阵P^(K)：

第i行中概率最大的转移状态即为状态E_i在未来第K个时段的预测状态转移结果。

8.根据权利要求7所述的中长期负荷链式关联预测方法，其特征在于，K的最大取值为历史用电量指标数据的时间跨度值。

9.中长期负荷链式关联预测装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现权利要求1-8中所述的任意一项所述的中长期负荷链式关联预测方法的各个步骤。

10.中长期负荷链式关联预测计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-8中所述的任意一项所述的中长期负荷链式关联预测方法的各个步骤。