[发明专利]一种多能流系统负荷预测方法

权利要求书

1.一种多能流系统负荷预测方法，其特征在于，包括以下步骤：

S1：基于负荷时间序列及天气因素的耦合关系分析多能流系统，并得到以样本空间数量为维度的向量时间序列；

S2：基于向量自回归算法建立多能流系统的负荷预测模型；

S3：根据所述负荷预测模型计算并获得多能流系统的负荷预测结果。

2.根据权利要求1所述的多能流系统负荷预测方法，其特征在于，在步骤S1中，负荷时间序列及天气因素的耦合关系分析多能流系统包括：通过皮尔逊系数考核多能流系统的负荷与温度的相关性。

3.根据权利要求2所述的多能流系统负荷预测方法，其特征在于，在步骤S1中，通过皮尔逊系数考核多能流系统的负荷与温度的相关性的算法为：

其中：X_i和Y_i为设定的时间序列；

ρ_XY为相关性系数；

表示时间序列X_i的平均值；

表示时间序列Y_i的平均值；

N表示时间序列的样本空间数量。

4.根据权利要求1所述的多能流系统负荷预测方法，其特征在于，多能流系统负荷包括冷负荷、电负荷和气负荷中的至少一者。

5.根据权利要求4所述的多能流系统负荷预测方法，其特征在于，多能流系统负荷包括冷负荷、电负荷和气负荷。

6.根据权利要求1所述的多能流系统负荷预测方法，其特征在于，在步骤S2中，基于向量自回归算法建立多能流系统的负荷预测模型，包括以下步骤：

S21：将多能流系统的冷负荷的时间序列记为{C(t)}，将多能流系统的电负荷的时间序列记为{E(t)}，将多能流系统的气负荷的时间序列记为{G(t)}，将多能流系统的温度的时间序列记为{T(t)}；

其中t＝1～N，N为样本空间个数，则N个向量[C(t),E(t),G(t),T(t)]构成一个N维的向量时间序列作为向量自回归模型的输入值；

S22：经过Granger分析确定向量自回归模型内生变量为冷负荷、电负荷和气负荷，外生变量为温度；

S23：利用AIC准则确定冷电气负荷预测模型阶数p＝3。

7.根据权利要求1或6所述的多能流系统负荷预测方法，其特征在于，在步骤S2中，

负荷预测模型的表达式为：

其中，

G＝[G(t-1),G(t-2),G(t-3)]^T；

E＝[E(t-1),E(t-2),E(t-3)]^T；

C＝[C(t-1),C(t-2),C(t-3)]^T；

A为内生变量系数矩阵，B为外生变量系数矩阵，ε(t)是k维扰动向量。

8.权利要求1所述的多能流系统负荷预测方法，其特征在于，在步骤S3中，负荷预测结果为[g(t),e(t),c(t)]。