[发明专利]一种基于时间序列和卡尔曼滤波的负荷预测方法

权利要求书

1.一种基于时间序列和卡尔曼滤波的负荷预测方法，其特征在于，所述方法包括：

通过一阶差分法将电力负荷数据进行平稳化处理；

根据AIC准则，选取时间序列模型；

将平稳化处理后的数据代入选择的时间序列模型，获得时间序列预测方程；

建立卡尔曼滤波方程，对建立的卡尔曼滤波方程进行改进，得到自适应卡尔曼滤波方程；

将得到的时间序列预测方程代入自适应卡尔曼滤波方程，得到基于时间序列-自适应卡尔曼滤波的电力负荷预测模型；将已知电力负荷数据代入电力负荷预测模型，获得下一时刻的电力负荷预测数据。

2.根据权利要求1所述的基于时间序列和卡尔曼滤波的负荷预测方法，其特征在于，电力负荷数据为过去某个时段的电力负荷数据。

3.根据权利要求1所述的基于时间序列和卡尔曼滤波的负荷预测方法，其特征在于，用差分算子▽＝1-B进行平稳化处理，用一阶差分变换对{Y_t}处理后获得：

▽y_t＝(1-B)y_t＝y_t-y_t-1 (1)

{Y_t}为随时间变化的量y(t)的集合所组成的离散数列,又被称为离散时间序列，B为延迟算子，y_t为t时刻的数据集合，▽y_t为对t时刻的数据集合进行差分后的结果；

对式子(1)进行d阶差分之后，获得：

▽^dy_t＝(1-B)^dy_t(2)

式子(2)记做ARIMA(p,d,q)，其中,p是ARIMA的自回归阶数；d是其差分次数；q是其滑动平均阶数。

4.根据权利要求3所述的基于时间序列和卡尔曼滤波的负荷预测方法，其特征在于，根据AIC准则，选取时间序列模型具体包括：求取不同p和q时AIC的值，当AIC的值为最小时，则此时所得的p和q的值为最佳模型阶数。

5.根据权利要求4所述的基于时间序列和卡尔曼滤波的负荷预测方法，其特征在于，将平稳化处理的数据代入所选择的模型，得到基于时间序列的电力负荷预测方程为ARIMA(p,d,q)。