[发明专利]一种计及源荷协同的节点负荷预测方法

权利要求书

1.一种计及源荷协同的节点负荷预测方法，其特征是，包括：

获取节点负荷历史数据，包括负荷母线上的再生能源实际出力以及节点实际负荷；

非参数估计拟合可再生能源出力曲线，还原限电状态下的可再生能源理论出力；

还原负荷调节状态下的节点理论负荷；

将节点理论负荷和可再生能源理论出力作为输入，实际节点负荷作为输出，训练神经网络；

得到源荷协同的节点总负荷预测模型；

基于支持向量机模型分别对节点理论负荷和可再生能源理论出力进行前期预测；

将前期预测结果输入到节点总负荷预测模型进行预测，得到最终的节点负荷预测值。

2.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，所述可再生能源理论出力为可再生能源实际出力与可再生能源出力的调整量之和，所述节点理论负荷为节点实际负荷与负荷调整情况下可调节负荷的调整量之和。

3.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，非参数估计拟合可再生能源出力曲线，还原限电状态下的可再生能源理论出力时，具体公式为：

其中x为可再生能源实际出力影响因素，x‘_i为非限电状态下的可再生能源实际出力影响因素的历史样本数据，y为可再生能源的出力，y‘_i为非限电状态下的可再生能源出力的历史样本数据，n为历史数据的样本数量，K(·)为核函数，h为核函数领域的带宽。

4.如权利要求3所述的一种计及源荷协同的节点负荷预测方法，其特征是，将限电状态下已知的可再生能源实际出力数据带入上式，可求得可再生能源限电状态下的理论出力。

5.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，还原负荷调节状态下的节点理论负荷时，根据负荷调节指令数据剔除负荷调节时段的节点实际负荷数据，采用自回归移动平均模型还原负荷调节状态下的节点理论负荷，具体模型如下：

其中{Y_t}为节点负荷的时间序列，{e_t}为均值是零且独立同分布的白噪声序列，p,q分别为时间序列的滞后阶次，φ_p,θ_q分别是模型的自回归和移动平均部分的系数。

6.如权利要求5所述的一种计及源荷协同的节点负荷预测方法，其特征是，将非负荷调节状态下的节点实际负荷历史样本数据带入上式可求得节点理论负荷。

7.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，源荷协同的节点总负荷预测模型为：

L_r＝g(L_As,L_Bs)

其中g(·)是以神经网络模型形式表征源荷关联关系的函数，L_Bs为节点理论负荷，L_As为可再生能源限电状态下的理论出力，L_r为节点实际总负荷。

8.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，基于支持向量机模型分别对节点理论负荷和可再生能源理论出力进行前期预测，支持向量机模型为：

其中x_i为输入数据；y_i为输出数据；p为状态变量的数量；n为训练样本的数量；C为支持向量机预测模型的超参数；ξ_i为松弛变量；φ(·)为将输入数据投射到高维空间的核函数；ω和b是支持向量机预测模型待求的参数。

9.如权利要求1所述的一种计及源荷协同的节点负荷预测方法，其特征是，获取节点负荷历史数据后，还需要对节点负荷历史数据进行的处理包括：清洗节点负荷历史数据，剔除其中的不良数据，对节点上的可再生能源出力数据、可调节负荷数据和常规负荷数据进行分类整理。