[发明专利]一种用于特殊天气和特殊日期的电力系统日负荷预测方法

权利要求书

1.一种用于特殊天气和特殊日期的电力系统日负荷预测方法，其特征在于，包括以下步骤：

A、采集电网历史负荷数据，通过子序列分离形成特殊日期负荷时间序列和特殊天气负荷时间 序列，然后进入步骤B；

B、取特殊日期负荷时间序列作为输入数据，采用时间序列法对特殊日期负荷进行预测，得到 初级预测结果，然后利用回归分析法计算初级预测结果与输入数据之间的相关性，选择与特 殊日期相关性最强的输入数据作为特殊日期负荷输入序列，采用Daubechies小波函数对特殊 天气负荷时间序列进行小波分解，将分解得到小波分量作为特殊天气负荷输入序列，然后进 入步骤C；

C、分别对特殊日期负荷输入序列和特殊天气负荷输入序列进行离散小波变换，得到特殊日期 负荷输入序列的近似分量和细节分量，以及特殊天气负荷输入序列的近似分量和细节分量， 然后进入步骤D；

D、基于神经网络和相关性分析分别对特殊日期负荷输入序列的近似分量和细节分量，以及特 殊天气负荷输入序列的近似分量和细节分量进行数据标准化处理，得到特殊日期负荷的标准 子序列和特殊天气负荷的标准子序列，然后进入步骤E；

E、采用贝叶斯方法建立神经网络预测模型并进行训练，利用神经网络预测模型分别对特殊日 期负荷的标准子序列和特殊天气负荷的标准子序列进行输出预测，然后分别综合特殊日期负 荷各标准子序列的预测结果和特殊天气负荷各标准子序列的预测结果，得到特殊日期负荷预 测数据和特殊天气负荷预测数据。

2.如权利要求1所述的一种用于特殊天气和特殊日期的电力系统日负荷预测方法，其特征在 于：所述的步骤A中特殊天气负荷时间序列所在的日期包括暴雨，大雪，高温，严寒以及上 述天气发生的前一天和后两天，特殊日期负荷时间序列所在的日期包括周六，周日，周一， 周五，节假日以及节假日的前一天和前两天。

3.如权利要求1所述的一种用于特殊天气和特殊日期的电力系统日负荷预测方法，其特征在 于：所述的步骤C中，离散小波变换的父小波在尺度m和位置n下的扩展函数表 示为其中k＝1，2，3……，n，n为自然数，

将与离散信号f(k)求卷积获得尺度m和位置n下的近似系数其中c是英文 coefficient的缩写，表示所属符号的属性是系数，

母小波ψ(k)＝ψ_0,0(k)在尺度j和位置n下的扩展函数表示为ψ_j,n(k)，将ψ_j,n(k)与离散信 号f(k)求卷积获得尺度j和位置n下的近似系数

Dj,nc=Σkf(k)ψm,n(k);]]>

则离散信号f(k)在尺度m下的近似分量Am和在尺度j下的细节分量Dj分别为：

Dj=Σn=-∞n=+∞Dj,ncψj,n;]]>

原始输入信号f为特殊日期负荷输入序列或特殊天气负荷输入序列，f为不高于尺度M下的 近似分量和细节分量之和：

f=AM+Σj=1MDj]]>

在M＝m-1和M＝m这两个连续尺度下的原始输入信号f分别为：

f=Am-1+Σj=1m-1Dj;]]>

f=Am+Σj=1mDj=Am+Dm+Σj=1m-1Dj;]]>

由此得到：

Am-1=Am+Dm]]>

使用已有尺度下的近似分量和细节分量的系数计算任意尺度下的近似分量系数和细节 分量系数

Am+1,nc=ΣihiAm,2n+ic=Σihi-2nAm,ic;]]>

Dm+1,nc=ΣigiAm,2n+ic=Σigi-2nAm,ic;]]>

式中h_i和g_i分别是低通滤波器和高通滤波器的系数，i＝1,2，……，24。

4.如权利要求1所述的一种用于特殊天气和特殊日期的电力系统日负荷预测方法，其特征在 于：所述的步骤D中首先利用神经网络模型对输入序列进行输出预测，得到估计数值，然后 将估计数值合并到输入序列，构成预测数据的首行，利用相关性分析计算预测数据和训练数 据之间的相关系数，选取相关性最高的预测数据作为标准化结果。