[发明专利]一种基于影响因子分析的日最大负荷区间预测方法

权利要求书

1.一种基于影响因子分析的日最大负荷区间预测方法，其特征在于，所述方法包括

下载历史负荷数据，获得历史负荷曲线；

利用中值滤波法找出历史负荷曲线的趋势曲线，获得趋势项负荷；

对电力系统中的影响因子和趋势项负荷进行主成分分析，整合出若干个主成分，若干个主成分作为输入，趋势项负荷作为输出，在支持向量机上实现负荷的趋势项预测；

从历史负荷曲线中减去趋势项负荷，得到随机项；对随机项的曲线按幅值最大最小为上下限平均划分成若干个区间，计算转移概率矩阵，转移概率最大的区间，即为随机项的预测区间；

对随机项利用马尔科夫模型进行区间预测，获得负荷的趋势项预测值；

将负荷的趋势项预测值与随机项的预测区间相加，得到原始预测区间。

2.如权利要求1所述的基于影响因子分析的日最大负荷区间预测方法，其特征在于，所述方法还包括：

利用三次样条插值的方法提取出历史负荷曲线的上、下包络线；

将原始预测区间的上、下限与上、下包络线对比，计算误差；

将误差加入到原始预测区间中，得到最终预测区间。

3.如权利要求1或2所述的基于影响因子分析的日最大负荷区间预测方法，其特征在于，所述的影响因子包括该负荷覆盖的区域面积、工业/商业/居民用电占比。

4.如权利要求1或2所述的基于影响因子分析的日最大负荷区间预测方法，其特征在于，所述对电力系统中的影响因子和趋势项负荷进行主成分分析，整合出若干个主成分的过程为：

第一步：假设有n个样本，p个变量，观测数据矩阵为：

其中，X为观测数据矩阵，x_ij为第i个样本第j个变量的值。

第二步：计算样本的相关系数矩阵

假定原始数据标准化后仍用X表示，则经标准化处理后的数据的相关系数为：

其中，r_ij为第i个变量与第j个变量的相关系数。

第三步：用雅克比方法求相关系数矩阵R的特征值(λ₁,λ₂,…,λ_p)和相应的特征向量a_i＝[a_i1,a_i2,…,a_ip]，i＝1，2，…，p；

第四步：选择重要的主成分，并写出主成分表达式；

根据各个主成分累计贡献率的大小选取前k个主成分，这里贡献率就是指某个主成分的方差占全部方差的比重，实际也就是某个特征值占全部特征值合计的比重，即

其中，λ_i为第i个变量的特征值。

贡献率越大，说明该主成分所包含的原始变量的信息越强；主成分个数k的选取，主要根据主成分的累积贡献率来决定，要求累计贡献率达到85％以上；

主成分表达式表示如下：

Z_i＝a_i1×x₁+a_i2×x₂+…+a_ip×x_p

其中，Z_i为第i个主成分，x_j为第j个变量，a_ij为第i个主成分中第j个变量的特征向量。