[发明专利]一种馈线基线负荷预测方法

权利要求书

1.一种馈线基线负荷预测方法，其特征在于，所述方法包括下述步骤：

(1)导入历史气象数据、馈线上所有用户历史负荷数据和预测时段气象数据至内存；

(2)历史负荷数据修正；

(3)气象相似历史日选择，包括：节假日、需求响应事件日、预定削减日和负荷低于阈值日排除以及灰色关联度法气象相似历史日选择；其中，需求响应事件日为曾实施需求响应的日期，预定削减日为实施有序用电的日期；

(4)采用RBF径向基人工神经网络对馈线所有用户基线负荷进行预测；

(5)运用调整因子调整馈线所有用户基线负荷预测值；

(6)馈线所有用户基线负荷预测结果求和。

2.如权利要求1所述的馈线基线负荷预测方法，其特征在于，所述步骤(1)包括如下步骤：

A.历史气象数据导入：导入馈线基线负荷预测日前Y日指定预测时段内的气象数据，每个历史日的气象参数包括温度、湿度和风速；历史数据导入时段不超出夏季高峰月份6-9月，若本年回溯区间不足Y日，用上年度6-9月日期补足；

B.历史负荷数据导入：导入待预测馈线所有用户在预测日前Y天指定预测时段内的历史负荷数据；历史数据导入时段不超出夏季高峰月份6-9月，若本年回溯区间不足Y日，用上年度6-9月日期补足；

C.预测时段气象数据导入：导入预测时段内的气象数据，包括温度、湿度和风速。

3.如权利要求1所述的馈线基线负荷预测方法，其特征在于，所述步骤(2)包括：对本年度回溯区间不足Y日的情况进行历史负荷数据修正，通过加权平均系数δ对上年度的历史负荷数据进行调整；加权平均系数δ的计算公式为：

$\mathrm{\δ}=\frac{\left(\underset{k=1}{\overset{n}{\Σ}}{L}_k\right)/n}{\left(\underset{k_1=1}{\overset{Y-n}{\Σ}}{L}_{k_1}\right)/(Y-n)}$

式中，n为本年度回溯区间的日期数，Y-n为上年度回溯区间的日期数；Y为年度回溯区间的日期数；δ为加权平均系数；L_k为本年度第k日的历史负荷值，为本年度回溯的n日预测时段历史负荷平均值；为上年度第k₁日的历史负荷值，为上年度Y-n日预测时段历史负荷的平均值；k为本年度第k日；k₁为上年度第k₁日。

4.如权利要求1所述的馈线基线负荷预测方法，其特征在于，所述步骤(3)包括如下步骤：

A.节假日、需求响应事件日和预定削减日排除：从预测日前的Y日中排除节假日、需求响应事件日和预定削减日排除；

B.阈值排除：设定一个阈值Z％，将历史日中指定预测时段的历史负荷低于所选样本的平均负荷Z％及以上的日子排除在样本之外；

C、灰色关联度法气象相似历史日选择：分别计算排除节假日、需求响应事件日、预定削减日和负荷低于阈值日的剩余历史日指定预测时段内的h个气象因子特征值与预测日的灰色关联系数，再将每个历史日的h个选定的作为特征向量的气象因素与预测日的灰色关联系数相加得到每个历史日与预测日之间的灰色关联度，关联度越大，则气象条件相似程度越高；最终选择灰色关联度最大的M日作为相似历史日。