[发明专利]一种公共楼宇短期负荷预测方法

权利要求书

1.一种公共楼宇短期负荷预测方法，其特征在于，具体包括如下步骤：

1)对每日设定的各个采集时刻，对公共楼宇负荷功率数据、气象数据进行时刻序列采集；

2)基于互信息的相似日挑选：

2.1)数据归一化：对步骤1)采集的公共楼宇负荷功率数据和各气象影响因素时刻序列数据进行归一化处理，得到处理后负荷功率序列X和各个气象影响因素数据序列，其中第i个气象影响因素数据序列为Y_i；

2.2)互信息计算：分别计算负荷功率序列X与各个影响因素序列的互信息值，该值越大表明此气象因素越重要；

2.3)相似日选择：以步骤2.2)挑选出的关键气象影响因素，以此气象影响因素对应的数据序列为基准，利用欧氏距离来判定相似度，选择负荷功率预测的相似日；

3)ARIMA-BP混合模型进行预测：

3.1)通过对选出的相似日负荷功率序列进行自相关分析和偏自相关分析,确定ARIMA时间序列模型的参数；

3.2)将相似日的负荷功率序列输入到ARIMA时间序列模型对预测日负荷功率进行预测，得到ARIMA时间序列预测模型的预测结果；

3.3)将通过自相关分析其自相关系数超过设定值的相似日负荷功率序列、相似日对应的关键气象影响因素序列、ARIMA时间序列模型负荷功率预测值、预测日的的关键影响因素序列值，作为BP神经网络预测模型的输入，形成ARIMA-BP混合模型进行负荷功率预测；

3.3)对ARIMA-BP混合模型预测结果进行平均预测误差计算分析，如误差在认可范围，所得ARIMA-BP混合模型用于公共楼宇短期负荷预测。

2.根据权利要求1所述公共楼宇短期负荷预测方法，其特征在于，所述步骤2.2)中互信息计算具体如下：负荷功率序列与气象影响因素皆为时间序列，对负荷功率序列X和第i个气象影响因素数据序列Y_i来说，设它们的联合概率密度函数为i＝1,2,3,...,l，l为影响因素的总个数，则负荷序列的边缘概率分布和第i个因素的边缘概率分布分别为p_X(x(t))和

其中x(t)为t时刻负荷功率序列的样本数据值，y_i(t)为t时刻第i个影响因素数据序列的样本数据值；

负荷功率序列的信息熵、第i个气象影响因素的信息熵分别为H(X)和H(Y_i)：

负荷功率序列X与第i个影响因素序列Y_i的联合熵为：

负荷功率序列X与第i个气象影响因素序列Y_i的互信息I(X,Y_i)的计算公式为：I(X,Y_i)＝H(X)+H(Y_i)-H(X,Y_i)

式中，I(X,Y_i)为气象影响因素关于负荷功率序列的互信息值，该值越大表明第i个气象因素越重要，也就是对负荷功率影响越大。