[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

说明书

技术领域

本发明属于电力负荷预测技术领域，尤其涉及一种基于自适应增强算法的短期电力负荷在线预测方法。

背景技术

短期电力负荷在线预测是电力负荷预测的重要组成之一，是电网实现智能控制的基础。负荷在线预测能力的提高，不仅有利于提高电网的安全，指导电网的检修，还可以有效地降低发电成本，提高电力系统的经济效益，让人民的生产生活水平再上新的台阶。

作为制订发电计划、输电方案和进行电网建设的主要依据，电力负荷预测可以对未来几分钟至几年的时间范围内的电力负荷做出估计。短期负荷预测有着明显的周期特性：不同日的工作日24小时负荷变化呈现相似规律；不同日的周末24小时负荷变化呈现相似规律；不同年的重大节假日24小时负荷变化呈现相似规律。此外，电力负荷还受到诸如季节、气温、湿度、气压、风速、阴雨以及突发事件等情况的影响，这有时也会为短期电力负荷预测造成很大的干扰。

目前常见的一种短期电力负荷预测的方法是，通过低通滤波与压缩聚类等数据预处理方法，提高对历史电力负荷数据的拟合精度。然而，在实际应用中，新产生的电力负荷数据并没有条件进行以上预处理，因而不适用于在线负荷预测。另一种常见的短期电力负荷预测的方法是，通过独立训练多个学习机并将其集成的方式，获得比单个学习机更好的泛化性能和学习精度，大大提高预测模型的精确度。然而，对于部分规律性的突变点模型依然无法精确预测，且不易进行在线预测。

鉴于短期电力负荷存在的明显周期特性，为了能够从诸多因素中找到影响系统的关键因素，可以考虑采用灰色关联分析（Grey Relational Analysis）的方法。灰色关联理论认为：在两个系统发展过程中，若两个系统之间的因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因而，选用灰色关联分析对影响电力负荷的因素进行筛选可以有效剔除干扰项与无关项，提高短时电力负荷的预测精度。

发明内容

本发明的目的在于，提供一种基于自适应增强算法的短期电力负荷在线预测方法，用于解决现有技术在短期电力负荷在线预测时存在的不足。

为了实现上述目的，本发明提出的技术方案是，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。

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；