[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

说明书

本发明公开了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及装置，根据经验可知气温和节假日因素是影响负荷变化的重要的因素，采用小波分解将负荷曲线分解为低频和高频信息，根据影响低频和高频系数变化的因素，采用不同的预测方法，与气温和节假日相关的采用回归分析法预测，其余部分采用三次指数平滑算法进行预测，这样能够考虑影响负荷变化的多种因素，从而保障负荷预测的精度。

技术领域

本发明涉及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及装置。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

电力是国民经济的命脉，它对经济建设、国家安全、社会稳定具有至关重要的作用。近年来，随着电力市场改革的深入开展，用电用户的电量和负荷对电力系统输送的电能质量的要求也越来越高。由于电能不能大量的储存，这就要求发电出力应该与电量和负荷的变化保持动态平衡。否则，轻则影响供电质量，重则危及系统的安全和稳定。因此负荷的变化进行预测估计是电力系统运行与发展的重要内容。

电力负荷预测是电力市场的重要组成部分，是经济调度和电力生产规划的重要依据，也是电力市场顺利发展的必需数据。它从已知的用电需求出发，充分考虑经济、气候等相关因素的影响，预测未来的用电需求。负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性，若负荷及电量预测不足，电网的发展便不能适应实际发展的需要，无法满足用户正常用电需求，甚至还可能缺电；另一方面，若负荷及电量预测过高，则又会导致一些过多而不能充分利用的设备，从而引起投资的浪费。

因此，在充分考虑一些重要的系统运行特性、增容决策、自然条件和社会影响的条件下，研究或利用一套系统，预测未来某些特定时刻的负荷数据，有利于计划用电管理，合理安排电网运行方式和建立机组检修计划，有利于节煤、节油，减少能耗和降低发电成本，有利于合理的安排电网的增容和改建、决定电网的建设和发展，有利于提高电力系统的经济效益和社会效益。

发明内容

本发明为了解决上述问题，提出了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及装置，本发明能够有效提高负荷预测的准确性。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一目的是提供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,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。

进一步的，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。

进一步的，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。

进一步的，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。