[发明专利]大波动电网负荷短期预测方法

说明书

技术领域

本发明涉及一种电网负荷预测方法，特别涉及一种大波动电网负荷短期预测方法。

背景技术

由于大波动性负荷的无规律性，负荷短期预测中最困难就是对波动性负荷的预测，国内外尚未有一个有效的短期负荷预测法来解决这一问题。大波动负荷是指相对于系统负荷而言，突然间变化很大的负荷。当负荷变化幅度相对于系统容量较大时，便有可能引起系统频率的连续振荡以及电压摆动，对电力系统影响很大。因此，对大波动负荷的事先有效估计，是对电力系统进行合理经济调度、降低生产成本、防止电网大面积停电或者电网崩溃的有力保障。例如，针对重庆市长寿区，引起负荷波动和影响负荷预测精度的原因为：炼钢、轧钢、电铁牵引负荷等冲击负荷(重钢和永航等大型炼钢企业处于该地区)；许多大型企业拥有自备电厂；径流式小水电群丰富。对小水电负荷的短期预测法通常运用的是多元线性回归模，对冲击负荷的预测运用的是基于修正的时间序列模型。但是现有技术中并未给出用以预测此类波动大的负荷的样本选取方法。

因为历史数据的筛选是选用模型准确地对大波动负荷进行预测的保障，是一项必不可少的环节，因此急需一种针对冲击负荷的样本选取并对大波动电网负荷短期预测的方法。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种针对冲击负荷的样本选取并对大波动电网负荷短期预测的方法。全面地考虑相似时刻的各种影响因素，准确地对历史数据进行筛选的方法。

本发明的目的是这样实现的：

本发明提供的大波动电网负荷短期预测方法，包括以下步骤：

S1：通过形数法筛选历史数据样本；

S2：运用谱系聚类法对历史数据样本进行分类；

S3：确定历史数据样本各时刻负荷值所处的状态；

S4：计算历史数据样本的状态概率确定预测期负荷区间；

S5：判断随机过程是否具有马尔科夫性质，若是，继续步骤S6，若否，重新选取加权形状系数阀值，再进行S1至S4的步骤，直至该随机过程具有马尔科夫性质；

S6：所对应的i为预测期负荷所处的状态，状态i的区间中值为随机项在预测点的预测值。

进一步，所述步骤S1的历史数据样本根据以下步骤来进行筛选：

S11：每日同时段的影响因素构成同时段向量取待测时段的影响因素组成待测向量PTp:]]>Pip={pi1,Pi2,...Pim},]]>PTp={PT1,PT2,...,PTm};]]>

S12：根据以下公式来计算同时段向量和待测向量的形系数：