[发明专利]一种基于非线性关联模型的气象敏感负荷功率估算方法

权利要求书

1.一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，包括以下步骤：

步骤1：对某一地区或某一变电站的总负荷功率及气象数据进行数据处理，并重新排序，获得由不同月的相同日相同时刻的总负荷功率、气象数据组成“纵向”数据样本；

步骤2：建立总负荷功率、气象敏感负荷功率及各类气象信息之间的负荷-气象非线性关联模型，并利用梯度法辨识模型参数；

步骤3：将所辨识的模型参数、“纵向”的历史气象数据及总负荷功率数据代入关联模型，计算“纵向”气象敏感负荷功率曲线，并按正常时序排列得到历史每日的气象敏感负荷功率曲线。

2.根据权利要求1所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，步骤1中对总负荷功率及气象数据进行数据处理的步骤，包括数据清洗、去除基础负荷功率的长期增长量、考虑温度积累、迟滞效应和体感温湿度的各类气象因子修正计算。

3.根据权利要求1所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，对温度气象因子进行修正的步骤为：

基于温度的累积、迟滞效应对原始温度进行修正，修正公式为：

T_DayMod＝(T_day1λ_day1+T_day2λ_day2)/(λ_day1+λ_day2)

λ_day1＝1-exp[-exp(T_day1-26/6)]

λ_day2＝1-exp[-exp(T_day2-26/6)]

其中，T_DayMod为考虑温度积累效应后的修正温度；T_day1为当天的原始温度；T_day2为前一天的修正温度；λ_day1为当天的修正系数、λ_day2为前一天的修正系数。

4.根据权利要求1或3所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，对体感湿度气象因子进行修正的公式为：

H_T＝T_DayModH

其中，T_DayMod为考虑温度积累效应后的修正温度；H为相对湿度；H_T为湿度因子的修正值。

5.根据权利要求1所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，步骤2中，所述的负荷-气象非线性关联模型为：

其中，r_XY为总负荷功率与气象敏感负荷之间的相关系数；X为归一化后的总负荷功率；Y为气象敏感负荷，为某一样本的X、Y曲线均值；X_i、Y_i为某样本第i个采样点归一化后的总负荷功率和气象敏感负荷；n为单个样本的采样点个数；a₁,a₂,b₁,b₂,w₁,w₂为负荷-气象关联模型的待辨识参数。T_DayMod为考虑温度积累效应后的修正温度，H_T为相对湿度的修正值；气象敏感负荷Y与修正温度T_DayMod及修正湿度之间的关系为扩展的Sigmod函数。

6.根据权利要求1所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，步骤2中，采用梯度法辨识负荷-气象非线性关联模型中的参数时，建立目标函数为相关系数最大值，即：

式中，m表示总样本个数，i表示第i号样本，表示第i号样本总负荷功率与气象敏感负荷之间的相关系数。

7.根据权利要求1所述的一种基于非线性关联模型的气象敏感负荷功率估算方法，其特征在于，步骤3中，将所辨识的模型参数、“纵向”的修正气象数据及功率数据代入关联模型，计算该“纵向”样本对应时间下的气象敏感负荷曲线Y；对气象敏感负荷曲线Y进行最大最小值归一化，获得气象敏感负荷功率在总负荷功率中的占比：

式中，为某一样本中第j个数据的气象敏感负荷功率占比，Y^(j)为某一样本的第j个气象敏感负荷功率估计值Y，Y_max、Y_min分别为气象敏感负荷的最大、最小值；

则实际的气象敏感负荷功率估算值为：

P_weather＝ρ_weather·(P_max-P_min)

其中，P_max、P_min为该样本的总负荷功率最大、最小值，ρ_weather为该样本某采样时刻的气象敏感负荷功率占比；

将关联模型计算获得的“纵向”气象敏感负荷功率按照正常时序排列，获得“横向”排列的日气象敏感负荷功率曲线。