[发明专利]基于多指标动态匹配的实时电力负荷预测系统及其方法

权利要求书

1.一种基于多指标动态匹配的实时电力负荷预测方法，其特征是，它包括的内容有：

1)利用数据采集模块的气象数据单元、负荷数据单元以及经济数据单元的各自功能进行数据采集，由气象数据单元负责实时采集所需地区的温度、湿度、降水量、能见度、风向、风速、天气状况数据进行数据整合，传输到系统数据库中生成气象数据表；由负荷数据单元负责实时采集工业用电负荷、农业用电负荷、市政用电负荷、邮电用电负荷、交通用电负荷、生活用电负荷以及商业用电负荷进行数据整合，传输到系统数据库中生成负荷数据表；由经济数据单元负责实时采集政府年度经济报告中的经济数据进行数据整合，传输到系统数据库中生成经济数据表；

2)数据分析模块采用多指标动态匹配算法Multi-Index Dynamic Matching，即MIDM算法对各指标进行相关性分析，分析负荷数据和对应的气象数据、经济数据之间的相关程度，从而确定影响所需地区的关键指标，其中多指标动态匹配算法的步骤为：

(1)计算各个指标曲线对于负荷的投影距离：

其中x_qi代表影响指标曲线上的点在负荷曲线上的投影横坐标，k_qi代表负荷曲线这一点的斜率，b₁(2)代表影响指标曲线上点的横坐标，b₁(1)代表影响指标曲线上点的纵坐标，b_qi代表负荷曲线在这一点的截距，y_qi代表影响指标上的点在在负荷曲线上的投影纵坐标，q代表影响指标一天24小时在曲线上的24个点,i代表某一影响指标，r_qi代表影响指标对于负荷的投影距离，x_qi2代表影响指标曲线在负荷曲线上投影点后一个点的横坐标，x_qi1代表影响指标曲线在负荷曲线上投影点前一个点的横坐标，y_qi2影响指标曲线在负荷曲线投影点后一个点的纵坐标，y_qi1代表影响指标曲线在负荷曲线投影点的前一个点的纵坐标，R_t代表负荷在两点间的波动距离，t代表负荷一天24小时在曲线上的24个点，y_t2代表负荷曲线上后一个点的纵坐标，y_t1代表负荷曲线上前一个点的纵坐标，x_t2代表负荷曲线上后一个点的横坐标，x_t1代表负荷曲线上前一个点的纵坐标；

(2)求各个指标的权重：

其中w_i表示各个影响因素对于负荷的影响权重，i代表某一影响指标，r_qi代表影响因素对于负荷的投影距离，R_t代表负荷在两点间的波动距离；

(3)集合指标的权重计算：

i,j＝1,2,...,n且i≠j

其中n代表指标的个数，w_i,j代表组合指标的间接权重，i,j代表某一项影响指标，w_i’代表集合指标的权重，充分表达了各个指标对于负荷的直接和间接的影响；

3)利用多指标动态匹配模块的功能，根据不同地区的负荷数据和关键指标的实时性相关性建立综合的动态指标体系；利用选定的负荷数据和综合指标体系建立可调节的高斯过程回归模型Adjustable-Gaussian Process Regression，即A-GPR模型，其步骤为:

(1)初始化种群规模N,最大迭代次数T_max；

(2)粒子当前位置的向量；

(3)Fitness，向量x的适应度值；

(4)粒子的速度，它的维数和向量的相同；

(5)p_best，每个粒子飞行过程中遇到的最好位置所对应的适应度值；

(6)用于记录粒子飞行过程中遇到的最好位置，pbest的维数和向量的维数相同；

(7)粒子位置的更新公式：

x_i＝x_i+v_i

其中，v_i代表粒子的速度，x_i代表粒子的当前位置，i代表每次粒子更新的当前迭代数，g_besti代表种群整体的最优位置，p_besti代表种群中个体的最优位置，w代表惯性权重因子，代表个体认知学习率，代表社会学习率，rand()为区间[0,1]之间的随机数，K代表收敛因子，K可描述为：

标准粒子群算法中一般设置惯性权重因子：w_t+1＝w_t＝1，由于惯性权重因子是影响当前粒子速度的变量，较大的值有利于全局搜索，较小的值有利于局部搜索，为了更好地平衡搜索能力，提出了一种A-GPR模型：

其中：w_t代表当前迭代次数的惯性权重因子，w_max为惯性最大值，w_min为惯性最小值，t为当前迭代次数，T为最大迭代次数，

所以，粒子位置的更新公式为：

x_i＝x_i+v_i

由于惯性权重因子一直在变化，导致粒子的速度和位置一直在种群的大范围和小范围内一直在不断地更新，从而平衡了算法在全局搜索和局部搜索的能力；

(8)根据更新后的粒子的位置，重新计算粒子的适应度函数E，适应度函数可描述为：

其中，m是输入样本数，y_i表示当前A-GPR模型训练的过程输出值，y_i-1为前一代模型的输出值，i代表当前的迭代数；

(9)判断是否满足进度要求或者是否达到迭代次数，若符合终止搜索；否则进行下一次搜索；

(10)输出最后粒子的信息，即为A-GPR模型的参数；

4)利用实时电力负荷预测模块的功能，获取待预测时刻的气象数据、经济数据，建立综合指标体系，将综合指标体系和相应的负荷数据作为输入向量，输入到A-GPR模型中，其输出即为待预测时刻的负荷值。

2.一种基于多指标动态匹配的实时电力负荷预测系统，实现如权利要求1所述的实时电力负荷预测方法，其特征是，它包括：用于采集负荷、气象、经济数据并进行分类管理，构建系统数据库的数据采集模块；基于MIDM算法计算影响因素与负荷之间的相关性，进行排序，筛选出关键属性，构建综合指标体系的数据分析模块；能够根据不同地区和时间的随机变化，将模型中固定的惯性因子转化成动态变化的惯性因子，构建A-GPR模型的多指标动态匹配模块；能够根据构建的综合指标体系和A-GPR模型进行实时电力负荷预测的实时电力负荷预测模块；所述的数据采集模块与数据分析模块信号连接，数据分析模块与多指标动态匹配模块信号连接，多指标动态匹配模块与实时电力负荷预测模块信号连接。