[发明专利]一种基于电力系统短期负荷的预测方法

摘要

本发明公开了一种基于电力系统短期负荷的预测方法，涉及电力系统短期负荷预测技术领域，其预测方法包括以下步骤：训练数据获取；训练数据归一化处理；训练数据异常处理；训练数据函数变换；显著性分析；广义回归神经网络模型训练；广义回归神经网络模型预测。本发明利用广义回归神经网络建模理论及方法，通过增加隐层的基函数，精确了局部逼近，达到全局最优，同时针对模型输入信息做了显著性提取和改进，通过函数变换增强历史数据的相关性，并作为输入信号进入广义回归神经网络预测模型，有效提升了预测精度。

主权项

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。