[发明专利]基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法及装置

权利要求书

1.一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法，其特征是：包括以下步骤:

获取气温与节假日影响因素：采集相关日期日最高温和最低温，对每日气温做归一化处理，根据日期结合农历年辨识出节假日；

对用户负荷做n层小波分解，利用最高层的低频系数反映负荷变化的趋势,通过聚类提取具有相同趋势的负荷曲线，将分类后的每一类变化曲线与气温及节假日进行关联分析，得到每一类变化曲线与影响因素的相关性；

对得到的小波系数与气温或节假日相关的分类采用回归分析法进行预测，反应负荷自身变化趋势的高频系数部分则采用三次指数平滑算法进行预测，得到初步预测计算结果；

采用基于小波分解和三次指数平滑算法的短期负荷预测模型进行预测，预测出的每日24点负荷与得到的最大负荷、最小负荷及平均负荷进行对比，进行初步预测计算结果的修正，得到最终的短期预测结果；

所述进行初步预测计算结果的修正，具体表现为：

除最大最小值外的负荷之和S₁为：式中，Max、Min和Mean分别表示短期预测模型计算出的最大负荷值、最小负荷值和平均负荷值；

除去最大最小负荷值的负荷之和S₂为：S₂＝∑x_i，式中，x_i为第i时刻的负荷值，i为不包括取得最大负荷和最小负荷值的时刻；

修正后的i时刻负荷值x_i′为：

2.如权利要求1所述的一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法，其特征是：获取气温与节假日影响因素中，具体包括从网页爬取相关日期的日最高温和最低温，对每日气温做归一化处理，根据权重将最高温和最低温合并到一起，根据日期结合农历年辨识出节假日，并对节假日加以量化。

3.如权利要求1所述的一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法，其特征是：在进行n层小波分解后的聚类之前，对每个用户的小波系数进行归一化，采用的方法是使每个用户的系数特征的模为1；

或，采用基于欧式距离的Kmeans算法进行聚类，实现数据的噪音滤波，将具有相同用电行为特征的用户划分在一类；

或，进行影响因素的关联时，将分类后的每一类变化曲线与气温及节假日的外部因素采用Apriori算法做关联分析，得到每一分类结果分别与哪一种或哪几种外部因素相关的结果。

4.如权利要求1所述的一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法，其特征是：获得分类和关联结果后，对于不同类用户，采用不同的预测方法，对于得到的小波系数与气温或节假日相关的分类采用回归分析法进行预测，反应负荷自身变化趋势的高频系数部分则采用三次指数平滑算法进行预测，将两者得到的预测结果相加得到初步短期预测结果。

5.如权利要求1所述的一种基于时频变换特征提取及自回归趋势预测技术的电力负荷预测方法，其特征是：基于小波分解和三次指数平滑算法的短期负荷预测模型的预测过程包括：

对现有的用户每天24点的数据做小波n层分解，得到第n层的低频系数和高频系数；

对第n层的低频系数和高频系数进行小波系数重构；

对重构后的小波系数采用三次指数平滑算法进行预测，将每部分预测结果相加即为最终短期负荷预测结果。