[发明专利]一种灰色模型电力负荷预测方法

说明书

本发明属于电力负荷预测领域，具体涉及一种灰色模型电力负荷预测方法；所要解决的问题是提供一种预测精度高克服上述问题的灰色模型电力负荷预测方法；所采用的技术方案为获取电力系统历史负荷数据；对获取到的历史负荷数据进行预处理；利用灰色理论对预处理后的数据进行去趋势处理，得到趋势项；进行频谱分析确定分解层数，利用变分模态分解对去趋势处理后的数据进行分解；将分解后的数据利用经改进NSGA‑Ⅱ优化的支持向量机分类求和进行重构；根据重构后的结果加趋势项获得最终预测结果；将各负荷分量的预测值进行叠加，确定实际预测结果。

技术领域

本发明属于电力负荷预测领域，具体涉及一种灰色模型电力负荷预测方法。

背景技术

电力负荷预测是电力系统规划和电网运行的重要内容、前提和基础。在国家大力倡导节能环保以节约现有能源消耗量的情势下，电力负荷预测的准确性关系到整个电网企业的经济、高效运行以及整个发电电网的安全运行，即当前的形势对于电力负荷预测的精度提出了更高标准的要求。

目前常用的短期负荷预测传统方法有以时间序列法、回归分析法为代表的经典预测法，以专家系统法、神经网络、模糊逻辑方法为代表的人工智能方法。由于电力负荷变化过程是一个高度复杂的非线性过程，传统方法难以建立有效的数学模型，致使预测结果精度不高。

现有的电力系统预测中灰色模型法在预测波动性变化大的电力负荷时误差较大，对离散型数据预测精度差。

发明内容

本发明克服了现有技术存在的不足，提供了一种预测精度高，克服上述问题的灰色模型电力负荷预测方法。

为了解决上述技术问题，本发明采用的技术方案为：一种灰色模型电力负荷预测方法，包括以下步骤：

1)获取电力系统历史负荷数据；

2)对获取到的历史负荷数据进行预处理；

3)利用灰色理论对预处理后的数据进行去趋势处理，得到趋势项；

4)进行频谱分析确定分解层数，利用变分模态分解对去趋势处理后的数据进行分解；

5)将分解后的数据利用经改进NSGA-Ⅱ优化的支持向量机分类求和进行重构；

6)根据重构后的结果加趋势项获得最终预测结果；

7)将各负荷分量的预测值进行叠加 ,确定实际预测结果。

所述对获取的所述历史数据进行拟合处理之前，还包括：对获取的所述历史数据进行预处理，以剔除所述历史数据中的错误数据，以及，补充所述历史数据中的缺失数据。

所述对获取的所述历史负荷数据进行预处理，包括：基于灰色理论预测模型对所述历史数据进行拟合处理。

所述的利用灰色理论对预处理后的数据进行去趋势处理具体为：对预处理后的数据累加或累减生成灰模型，运用时间序列数据来确定微分方程的参量，逐步使灰量白化，进而对未来状态做出预测。

所述改进NSGA-Ⅱ优化的支持向量机采用改进的带精英策略的非支配排序遗传算法来优化SVR模型的参数设置，提升SVR模型的预测精度。

本发明与现有技术相比具有的有益效果是：本发明通过对数据拟合的精确处理，使得降低了数据质量造成的精度偏离问题。本发明提高了对于短周期、变化明显的历史负荷序列预测效果，能保证用户侧微电网负荷预测的精度和速度，具有优越的实际应用价值。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。