[发明专利]一种基于快速周期分量提取的电力短期负荷预测方法

权利要求书

1.一种基于快速周期分量提取的电力短期负荷预测方法，其特征在于，包括以下步骤：

（A）选取要预测日期之前一段时间序列的负荷作为历史负荷数据信号，对得到的信号去均值处理，并进行快速离散傅立叶变换，得到信号的频域变换；

（B）将步骤（A）得到的信号进行最大谱峰搜索，提取各频率分量及信号相应的低频趋势分量，并把各分量还原到观测域，再把提取的周期分量进行循环平移处理消噪，提取的非周期分量不做循环平移处理，直到提取的某一分量的幅值小于一给定的阈值；

（C）步骤（B）中得到的周期分量相加，并把开始一天的负荷值作为周期分量的预测值，对剩余的非周期部分利用差分自回归滑动平均（ARIMA）模型直接一次预测下一天非周期分量的负荷值；

（D）步骤（C）中周期分量的预测负荷值、非周期分量的预测负荷值与原数据中直流分量相加，即可得到要预测日期一天的负荷。

2.根据权利要求1所述的基于快速周期分量提取的电力短期负荷预测方法，其特征在于，所述步骤（A）按照以下公式进行处理：

y(n)=x(n)-E[x(n)]，式中E为统计期望，x(n)为历史负荷数据，y(n)为去均值后的数据，对y(n)做离散傅里叶变换（DFT）得到Y(k)，有其中N为数据长度，k=0～N-1为各离散频域点。

3.根据权利要求1所述的基于快速周期分量提取的电力短期负荷预测方法，其特征在于，所述步骤（B）中的主分量分析按照以下步骤进行：

（B1）取离散傅里叶变换的Y(k)的前M个点数据，若数据长度N为偶数，M=N/2，若N为奇数，M=（N-1）/2，并保留前l个数据点作为提取的趋势分量G₁(k)；

（B2）对剩余的l+1到M个点的数据，进行最大谱峰搜索，最大值处视为谱峰，得到谱峰位置r，由于DFT变换后数据的对称性，保留Y(k)的谱峰位置r和N-r+1及它们左右λ个点的数据，并令其他点处的数据为0，得到提取最大谱峰的信号G₂(k)；

（B3）对提取的各分量信号G_i(k)做反离散傅里叶变换（IDFT），得到观测域上的信号其中N为数据长度，n=0～N-1为各离散时域点，i为提取的分量序号；从y(n)中消去g_i(n)分量，得到剩余的信号t(n)，并重复（B2）步骤，直到剩余的最大谱峰的值小于一给定的阈值ε。

4.根据权利要求1所述的基于快速周期分量提取的电力短期负荷预测方法，其特征在于，所述步骤（C）按照以下步骤进行处理：

（C1）对其中为周期的分量gi(n)进行消噪处理其中L_i为第i分量循环次数，T_i为第i分量的周期；

（C2）把所有周期分量相加，并取开始一天的数据点作为下一天满足周期分量的负荷预测数据ya(n)；

（C3）从去均值后的数据中消去所有周期分量g_i(n)，保留剩余的非周期分量及趋势分量，并对其进行差分自回归滑动平均（ARIMA）模型预测，得到下一天的非周期预测负荷数据yb(n)。

5.根据权利要求1所述的基于快速周期分量提取的电力短期负荷预测方法，其特征在于，所述步骤（D）按照以下公式进行处理：

yc(n)=ya(n)+yb(n)+E[x(n)]。