[发明专利]一种基于模糊聚类的短期负荷预测方法

权利要求书

1.一种基于模糊聚类的短期负荷预测方法，其特征在于，包括以下步骤：

S1.采集负荷数据以及负荷影响因素数据，通过模糊粗糙集对部分负荷影响因素数据进行删减，得到约简后的样本数据；

S2.通过模糊C均值聚类法对约简后的样本数据以及预测日数据进行聚类，选取与预测日相似度最高的样本数据作为学习样本数据；

S3.基于所述学习样本数据建立基于支持向量机的短期负荷预测模型，并作为输入对所述短期负荷预测模型进行训练；

S4.将预测日数据输入训练完毕的短期负荷预测模型进行预测，得到预测时刻的短期负荷结果。

2.根据权利要求1所述的短期负荷预测方法，其特征在于，步骤S1中所述的采集负荷数据以及负荷影响因素数据包括：取每天最大负荷数据并同时获取预测日及其前K天，每天的最大湿度、最小湿度、平均湿度、最大温度、最小温度、平均温度、最大负荷及日类型数据；其中K为正整数。

3.根据权利要求2所述的短期负荷预测方法，其特征在于，步骤S1中所述的通过模糊粗糙集对部分负荷影响因素数据进行删减，得到约简后的样本数据包括以下步骤：

S11.根据决策属性和条件属性建立初始决策表；其中决策属性为预测日的负荷数据，条件属性为负荷影响因素数据；

S12.确定决策属性和条件属性的模糊隶属函数，根据模糊隶属函数计算各条件属性相应于决策属性的隶属度值；

S13.基于模糊粗糙集约简算法对条件属性进行约简；

S14.根据约简后得到的条件属性集构建数据矩阵，得到约简后的样本数据。

4.根据权利要求3所述的短期负荷预测方法，其特征在于，步骤S12中所述的模糊隶属函数具体为：

最小温度的模糊隶属函数采用偏小型梯形分布：

平均温度的模糊隶属函数采用中间型梯形分布：

最大温度的模糊隶属函数采用偏大型梯形分布：

最小湿度的隶属函数采用偏小型梯形分布：

平均湿度的隶属函数采用偏小型梯形分布：

最大湿度的隶属函数采用偏小型梯形分布：

其中日类型D分为工作日、周末、节日三类，

工作日的模糊隶属函数：

周末的模糊隶属函数：

节日的模糊隶属函数：D_HO＝1

最大负荷的模糊隶属函数采用等距离划分：