[发明专利]一种基于离散惯性动力学系统的基线负荷热惯性修正方法

权利要求书

1.一种基于离散惯性动力学系统的基线负荷热惯性修正方法，其特征在于，根据考虑气温、基线负荷参数的离散惯性动力学系统模型，建立基于离散惯性动力学系统的基线负荷热惯性修正模型，根据优化得到的参数与历史实际的气温就得到修正后的气温；包括如下步骤：

步骤1，收集负荷周边的历史环境数据，通过选择变量法挖掘出负荷与气温的影响关系；

步骤2，将连续动力学系统离散化，修正气温T′与实际气温T之间的滞后关系，该滞后关系用一阶惯性环节描述为：

式中，T(s)和T′(s)分别是输入与输出，h为时间常数，再利用拉普拉斯逆变换与离散化的方法得出离散条件下的时域迭代表达式为：

式中，h_s是离散系统的采样周期，T(n)与T′(n)分别是一阶惯性环节在第n个采样周期的输入与输出，再令得到：

T′(n)＝kT′(n-1)+(1-k)T(n)

再令T′(0)＝0，对上式通过迭代计算得出考虑气温、基线负荷参数的离散惯性动力学系统模型为：

T′(n)＝k^n-1(1-k)T(1)+k^n-2(1-k)T(2)+…+k(1-k)T(n-1)+(1-k)T(n)

式中，T(n)表示当天的实际最高气温，T(n-1)表示前一天的实际最高气温，T(2)表示前n-2天的实际最高气温，T(1)表示前n-1天的实际最高气温；

步骤3，利用粒子群算法计算得出惯性动力学系统模型关键参数k，粒子群算法的优化目标是使得负荷与修正的气温相关性系数最大，即：

Min-COR(P,T′)

式中，P是基线负荷，T′是修正后的气温，函数COR为相关系数；

步骤4，利用惯性动力学系统模型对实际气温T进行修正获得修正气温T′，再将修正气温T′代替实际气温T作为负荷预测的输入量，获得精确的基线负荷预测。

2.根据权利要求1所述的基于离散惯性动力学系统的基线负荷热惯性修正方法，其特征在于，步骤3中，利用粒子群算法的具体步骤为：

步骤3.1，随机初始化种群中各粒子的位置和速度；

步骤3.2，评价每个微粒的适应度，将当前各微粒的位置和适应值存储在各微粒的个体极值中，将所有个体极值中适应值最优个体的位置和适应值存储于全局最优解中；

步骤3.3，用更新公式更新粒子的速度和位置，更新公式为：

v_i,j(t+1)＝wv_i,j(t)+c₁r₁[p_i,j-x_i,j(t)]+c₂r₂[p_g,j-x_i,j(t)]

x_i,j(t+1)＝x_i,j(t)+v_i,j(t+1),j＝1,2,…n

式中：设定n维搜索空间中的第i个粒子的位置和速度分别为Xⁱ＝(x_i,1x_i,2…x_i,n)和Vⁱ＝(v_i,1v_i,2…v_i,n)，个体极值Pⁱ＝(p_i,1p_i,2…p_i,n)，全局最优解为P_g，w为惯性权重，c₁和c₂为正的学习因子，r₁和r₂为0到1之间的随机数；

步骤3.4，对每个微粒将其适应值和其经历过的最优位置作比较，如果较优，则将其作为当前的最优位置，否则最优位置不变；

步骤3.5，比较当前所有个体极值和全局最优解的值，更新全局最优解；

步骤3.6，若满足停止条件，停止条件为预设的运算精度或迭代次数，搜索停止，输出结果，否则返回步骤3.3继续搜索。

3.根据权利要求1所述的基于离散惯性动力学系统的基线负荷热惯性修正方法，其特征在于，步骤2中，n取3～5。