[发明专利]一种基于季节卡尔曼滤波模型的电力负荷自适应预测方法

权利要求书

1.一种基于季节卡尔曼滤波模型的电力负荷自适应预测方法，其特征在 于：包括以下步骤：

1)、对用电企业生产过程中的电力负荷进行数据采集，并采集记录用电 企业在工业制造过程中电力负荷曲线，将采集到的电力负荷曲线进行自适应周 期识别；

2)、将电力负荷识别数据进行快速傅里叶变换，得到频谱序列s_j，然后 取频谱最大的序列下标作为周期T，T等于频谱序列s_j对应的最大的j，则：

sj=Σk=0n-1e-2πnjkhk,]]>

其中，h_k∈(h₁,h₂,h₃,…,h_n)是电力负荷的真实值序列，k＝1,2,3,…,n，

j＝0,1,2,…,n-1；

3)、采用季节卡尔曼滤波模型对用电企业的用电模式进行预测，季节卡 尔曼的用电模式进行预测过程满足：

x_k+1/k＝Ax_k/k-1+G_k[y_k-Hx_k/k-1],

其中，x_k+1/k是基于k时刻的k+1时刻用电负荷的估计值，A是时变相关系数 和季节因子的乘积，G_k是预测增益矩阵。

2.根据权利要求1所述的一种基于季节卡尔曼滤波模型的电力负荷自适 应预测方法，其特征在于：所述卡尔曼预测过程的预测增益矩阵满足：

G_k＝Ap_k/k-1H^T[Hp_k/k-1H^T+R_k]¹,

其中，H为量测矩阵，p_k/k-1是均方预测误差方程，R_k是量测噪音的方差。

3.根据权利要求2所述的一种基于季节卡尔曼滤波模型的电力负荷自适 应预测方法，其特征在于：所述季节卡尔曼预测过程的均方预测误差方程满足：

p_k+1/k＝[A-G_kH]p_k/k-1A^T+Q_k，

Q_k是过程噪音的方差。

4.根据权利要求1或3所述的一种基于季节卡尔曼滤波模型的电力负荷 自适应预测方法，其特征在于：所述节卡尔曼预测过程的系数A满足：

A＝Φ_kΨ_k,

其中，Φ_k是k-1和k时刻的用电负荷之间的相关系数；Ψ_k是k-T和k时刻 的相关系数。

5.根据权利要求1所述的一种基于季节卡尔曼滤波模型的电力负荷自适 应预测方法，其特征在于：所述季节卡尔曼预测过程设有状态方程x_k和量测方 程y_k，且满足：

x_k＝Φ_kx_k-1+Ψ_ku_k+ω_k-1

y_k＝Hx_k+v_k，

其中，u_k＝x_k-T，即将k时刻前T周期的数据作为季节因子，ω_k-1代表k-1时 刻的过程噪音，p(w_k-1)～N(0,Q_k-1)，v_k是量测噪音，p(v_k)～N(0,R_k)。