[发明专利]一种适用于功能园区的负荷预测方法

权利要求书

1.一种适用于功能园区的负荷预测方法，其特征在于，包括有以下步骤：

S1：获取功能园区的历史负荷值；

S2：以历史负荷值为样本，搭建神经网络预测模型，得到网络预测值；

S3：获取功能园区的报装负荷值；

S4：以报装负荷值为基准，得到新增负荷预测值；

S5：将网络预测值和新增负荷预测值相加，得到功能园区的最终负荷预测值。

2.根据权利要求1所述的适用于功能园区的负荷预测方法，其特征在于，所述步骤S1中，获取功能园区的历史负荷值的步骤为：

以T表示负荷预测基准年，Pt分别表示年份对应的负荷值。

3.根据权利要求1所述的适用于功能园区的负荷预测方法，其特征在于，所述步骤S2中，包括有以下步骤：

S21：选取网络训练样本，每组训练样本里面，包含网络输入向量和网络输出向量，其中网络输入向量定义为It＝[Pt-4,Pt-3,Pt-2,Pt-1,]，

式中，It为第t个网络输入向量，网络输入向量It对应的网络输出向量定义为Ot＝[Pt]；

S22：搭建神经网络模型，根据网络输入向量和网络输出向量，搭建4层BP神经网络，包含输入层、第一隐含层、第二隐含层和输出层，

S23：对神经网络模型进行训练，利用训练样本对神经网络进行训练，得到训练好的神经网络；

S24：得到网络预测值，将向量[Pt-3,Pt-2,Pt-1,Pt]输入到训练好的神经网络，得到年份T+1的网络预测值P1(T+1)。

4.根据权利要求3所述的适用于功能园区的负荷预测方法，其特征在于，所述步骤S23中，输入层神经元个数为4，第一隐含层神经元个数为9，第二隐含层神经元个数为9，输出层神经元个数为1，即网络结构为4-9-9-1。

5.根据权利要求4所述的适用于功能园区的负荷预测方法，其特征在于，所述步骤S3中，将功能园区已报装和潜在报装的负荷分为M类，记n为计划用电时间，T+1年n月份，则计划n月份用电的第m类负荷值为Q_mn。

6.根据权利要求5所述的适用于功能园区的负荷预测方法，其特征在于，所述步骤S4中，包括有以下步骤：

S41：记负荷值Qmn对应的实用系数为Xmn；

S42：根据下式计算新增负荷预测值P2(T+1)：

7.根据权利要求6所述的适用于功能园区的负荷预测方法，其特征在于，所述S5中，将网络预测值P₁(T+1)和新增负荷预测值P₂(T+1)相加，即得到年份T+1的最终负荷预测值。