[发明专利]一种基于网格法的地理信息系统短期负荷预测方法

权利要求书

1.一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：在电力系统中将短期负荷预测与地理信息系统相结合，根据地理信息系统提供的数据将区域负荷初步划分为网格负荷；按照负荷用途和负荷密度的划分原则，对网格负荷进行进一步划分；然后采用谱多流形聚类方法和简单模糊聚类方法，根据给定的负荷影响因素及负荷波形变化进行网格负荷合并；在此基础上，运用BP、RBF神经网络的短期预测方法，得到短期负荷预测结果。

2.根据权利要求1所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于，其网格负荷划分的具体步骤如下：

1)供电地区根据地理信息系统提供的地理外貌及城市建设规划边界，形成一级网格；

2)根据地区街道的不同，一级网格划分成二级网格；

3)将根据网格负荷的分类方法，二级网格划分为三级网格；

4)三级网格负荷考虑负荷密度的影响进行相应变化。把负荷密度较大、负荷比较集中的地区进一步分解；负荷密度正常的地区，按照第三级网格来进一步划分；负荷密度较小的地区，同相邻的具有相同类别的网格负荷进行合并。

3.根据权利要求2所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：所述步骤3)中的网格负荷的分类方法为按负荷用途不同来对网格负荷进行划分。

4.根据权利要求1所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：其根据负荷影响因素进行网格负荷合并的具体步骤如下：将网格负荷在传统分类的基础上，根据负荷用途的不同进行划分成各类负荷，运用谱多流形聚类的方法进行网格负荷的合并。

5.根据权利要求1所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：其根据负荷波形变化进行网格负荷合并的具体步骤为：

将网格负荷在传统分类的基础上，根据负荷用途的不同进行划分成各类负荷，利用每类负荷的三个波形因素：负荷波形中最大负荷出现的时间段、最小负荷出现的时间段以及负荷全天波形变化范围的大小，建立原始数据矩阵；然后进行标准差变换、建立模糊相似矩阵，根据预测者的经验或相关的专业知识所确定得阀值，得到相似等价矩阵，接着根据相似等价矩阵的结果来进行合并。

6.根据权利要求1所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：其基于网格法和BP、RBF神经网络的负荷预测方法具体步骤为：将遗传算法引入到网络初始权值的确定中，进行遗传算法和BP神经网络相结合的遗传BP神经网络的模型，然后再结合BP、RBF神经网络模型，进行RBF神经网络预测，得到负荷预测的结果。

7.根据权利要求4所述的一种基于网格法的地理信息系统短期负荷预测方法，其特征在于：所述多流形聚类合并的步骤如下：输入原始数据、聚类数与其他参数，利用MPPCA训练M个d维局部线性模型近似潜在的流行数据，确定每个点的局部切空间，然后计算两个局部切空间之间的机构相似性；接着计算相似性矩阵W与对角矩阵D；在计算广义特征矩阵(D-W)u＝λDu最小k个特征值对应的特征向量u1，u2，......uk；利用K-means将U＝[u1，u2，......uk]的行向量分组为k个聚类；输出原始数据集的聚类结果。