[发明专利]基于逐时综合气象指数的短期负荷预测方法

权利要求书

1.一种基于逐时综合气象指数的短期负荷预测方法，其特征在于，包括以下顺序的步骤：

(1)获取各历史日的逐时综合气象指标数据；

(2)获取待预测日的逐时综合气象指标数据；

(3)根据所述待预测日的逐时综合气象指标与各历史日的逐时综合气象指标之间的相似度筛选出关联历史日，构建待预测日的逐时负荷预测模型；

(4)获取与所述关联历史日的逐时综合气象指标实时对应的关联历史日的逐时负荷数据；

(5)根据所述关联历史日的逐时负荷数据和所述待预测日的逐时负荷预测模型对待预测日的逐时负荷进行预测。

2.根据权利要求1所述的基于逐时综合气象指数的短期负荷预测方法，其特征在于，所述逐时综合气象指标包括实感温度、温湿指数、寒冷指数和人体舒适度指数；

步骤(3)中，构建待预测日的逐时负荷预测模型包括以下步骤：

(31)将各历史日和待预测日的逐时综合气象指标进行无量纲化和区间映射处理，得到量化指标X_i1、X_i2、X_i3、X_i4、X_j1、X_j2、X_j3、X_j4；

其中，i表示各历史日，j表示待预测日，X_i1、X_i2、X_i3、X_i4分别对应各历史日的t时刻实感温度、温湿指数、寒冷指数、人体舒适度指数，X_j1、X_j2、X_j3、X_j4分别对应待预测日的t时刻实感温度、温湿指数、寒冷指数、人体舒适度指数，t表示时刻点数，t=1，…，T；

(32)计算各历史日与待预测日之间的逐时综合气象指标t时刻相似度r_ijt：

rijt=Σk=14(XikXjk)/(Σk=14Xik2)(Σk=14Xjk2);]]>

(33)计算各历史日与待预测日之间的逐时综合气象指标全天相似度r_ij：

rij=Σt=1Trijt/T;]]>

(34)将计算得到的全天相似度从高到低排序，选取n个排在前面的所述全天相似度，将其对应的历史日作为关联历史日，将n个关联历史日的逐时负荷作为预测基准；

(35)将所述n个关联历史日的全天相似度进行归一化处理：

rij′=rij/(Σi=1nrij);]]>

(36)将归一化处理后的n个关联历史日的全天相似度r′_ij作为加权系数对预测基准进行加权平均，构建待预测日的逐时负荷预测模型：

yjt=Σi=1nrij′yit;]]>

其中，y_jt表示待预测日的t时刻负荷值，y_it表示全天相似度为r′_ij的关联历史日的t时刻负荷值。

3.根据权利要求2所述的基于逐时综合气象指数的短期负荷预测方法，其特征在于，

所述实感温度采用如下公式计算得到：

Te=37-(37-Ta)[0.68-0.14Rh+1/(1.76+1.4V0.75)]-0.29Ta(1-Rh);]]>

其中，T_e表示实感温度，T_a表示气温，R_h表示相对湿度，V表示风速；

所述温湿指数采用如下公式计算得到：

E_T=T_d-0.55(1-R_d)(58-T_d)；

其中，E_T表示温湿指数，T_d表示14时的气温，R_d表示14时的相对湿度；

所述寒冷指数采用如下公式计算得到：

H=ΔT(9.0+10.9V-V);]]>

其中，H表示寒冷指数，V表示风速，ΔT表示体温与周围气温之差；

所述人体舒适度指数采用如下公式计算得到：

k=1.8Ta-0.55(1-Rh)-3.2V+32;]]>

其中，k表示人体舒适度指数，T_a表示气温，R_h表示相对湿度，V表示风速。