[发明专利]基于自适应增强算法的短期电力负荷在线预测方法

权利要求书

1.一种基于自适应增强算法的短期电力负荷在线预测方法，其特征是所述方法包括：

步骤1：选取影响气象数据的M个因素，并提取过去L天每个影响气象数据的因素的实测值，形成气象数据矩阵S_L×M；其中，M和L为设定值；

步骤2：提取过去L天中每天n个时刻的电力负荷数据，形成电力负荷数据矩阵D_L×n；其中，n为设定值；

步骤3：在影响气象数据的因素中，选取与电力负荷数据关联度最大的m个因素，将所述m个因素作为有效成分，根据过去L天有效成分的实测值，形成有效气象数据矩阵T_L×m；其中，m为设定值；

步骤4：利用有效气象数据矩阵T_L×m和电力负荷数据矩阵D_L×n求解短期电力负荷预测模型；

步骤5：利用短期电力负荷预测模型进行电力负荷预测。

2.根据权利要求1所述的方法，其特征是所述选取与电力负荷数据关联度最大的m个因素采用灰色关联分析法，包括：

子步骤A1：采用公式计算电力负荷数据矩阵第i列与气象数据矩阵第j列的关联度；

其中，ξji(k)=minji(Δj(min))+ζmaxji(Δj(max))|Dk,i-Sk,j|+ζmaxji(Δj(max));]]>

为两级最大差，且maxji(Δj(max))=maxj(maxk|Dk,i-Sk,j|);]]>

为两级最小差，且minji(Δj(min))=minj(mink|Dk,i-Sk,j|);]]>

D_k,i为第k天第i个时刻的电力负荷数据；

S_k,j为第k天第j个影响气象数据的因素的实测值；

i=1,2,...n，n为电力负荷数据矩阵的列数；

j=1,2,...,M，M为气象数据矩阵的列数；

k=1,2,...L，L为电力负荷数据矩阵D_L×n和气象数据矩阵S_L×M的行数；

ζ为分辨参数；

子步骤A2：针对气象数据矩阵的每一列，计算其与电力负荷数据矩阵各列的关联度的均值，计算公式为

子步骤A3：选取R_j中值最大的m个数据，将所述m个数据对应的气象数据矩阵的列所反映的影响气象数据的因素，作为与电力负荷数据关联度最大的m个因素。