[发明专利]一种短时电力负荷预测的方法及装置

说明书

本发明公开了一种短时电力负荷预测的方法，通过综合分位回归和鲁棒极限学习机，并利用混合粒子群算法(PSOGSA)优化后所建立的混合预测模型来对电力负荷进行预测，分位回归利用历史电力数据影响因素的多个分位数来得到未来某时刻电力负荷预测数据的条件分布的相应的分位数方程，分位回归中输入的电力数据的随机扰动不需要做任何分布上的假定，就可以详细的描述预测负荷值的统计分布，使得整个预测模型具有很强的稳健性；而鲁棒极限学习机对异常负荷值的鲁棒性更强，将上述两种方法结合在一起，并通过PSOGSA优化后所形成的混合模型可以准确的对电力负荷进行预测；本发明还提供了一种短时电力负荷预测的装置，同样具有上述有益效果。

技术领域

本发明涉及数据分析领域，特别是涉及一种短时电力负荷预测的方法及装置。

背景技术

由于电不能直接储存的特点，当今社会在进行供电时都是随时发电随时使用的状态。但是由于在日常生活中，人们使用电量总体是波动的，是存在波峰波谷的，但是人们的用电状况可以进行预测，以此使得电力公司可以准确的进行供电。

短期电力负荷预测对电力系统的运行和规划具有重要的经济意义，准确的电力负荷预测有助于电力公司做出合理的发电计划，可以有效减少电力公司的运营成本。

在现有技术中，通常是使用人工神经网络结合最小二乘法来对电力负荷进行预测。在具体操作中需要根据电力公司的历史电力负荷数据，预先建立相应的预测模型，之后再根据输入的实时电力负荷数据对后续一段时间内的电力负荷数据进行预测。

但是在现有技术中，普遍存在预测精度不高的情况，这会增加电力公司的运营成本。

发明内容

本发明的目的是提供一种短时电力负荷预测的方法，可以准确对电力系统中的电力负荷进行预测；本发明的另一目的在于提供一种短时电力负荷预测的装置，可以准确对电力系统中的电力负荷进行预测。

为解决上述技术问题，本发明提供一种短时电力负荷预测的方法，所述方法包括：

获取历史电力数据；

调用预先建立的预测模型，根据所述历史电力数据计算出电力负荷预测数据，所述预测模型为综合分位回归和鲁棒极限学习机，并利用PSOGSA优化后所建立的预测模型；所述预测模型为通过预先获取的训练数据集训练得到的预测模型。

可选的，所述的历史电力数据为历史电力负荷数据。

可选的，所述预测模型具体为：

其中Y_t为所述预测模型的输出值，Q_t为t时刻所述预测模型在τ分位下的输出值，为所述分位回归的影响参数，为所述鲁棒极限学习机的影响参数；相应的，训练所述预测模型时所用的损失函数为：

其中C是惩罚系数，β是所述鲁棒极限学习机中隐含层与输出层之间的权值，y_t是训练所述预测模型时所使用的训练数据中t时刻的电力负荷值，ρ_τ为检验函数。

可选的，所述训练数据集具体为：

将预先获取的历史电力数据进行归一化处理，以生成归一化的样本数据集；

通过自相关分析，提取所述归一化的样本数据集中各变量间的自相关系数；

根据所述自相关系数和预先设定的选取规则，从所述归一化的样本数据集中选取可用的样本变量数据，以构成的所述训练数据集。

本发明还提供了一种短时电力负荷预测的装置，所述装置包括：

获取模块：用于获取历史电力数据；