[发明专利]短期负荷预测方法、系统以及存储介质

权利要求书

1.一种短期负荷预测方法，其特征在于，包括：

获取负荷数据时间序列历史数据；

对所述负荷数据时间序列历史数据进行分解，获取基础分量和天气敏感分量；

基于Holt-Winters模型和所述基础分量得到所述基础分量的预测结果，以及基于训练完的回归模型和所述天气敏感分量得到天气敏感分量的预测结果；

根据所述基础分量的预测结果和所述天气敏感分量的预测结果得到并输出负荷预测值。

2.如权利要求1所述的短期负荷预测方法，其特征在于，所述对所述负荷数据时间序列历史数据进行分解，包括：

将所述时间序列分解为趋势项、季节项和残差项；

利用局部加权回归散点平滑法，对所述趋势项和所述季节项进行分解，得到随时间变换的所述基础分量。

3.如权利要求2所述的短期负荷预测方法，其特征在于，所述局部加权回归散点平滑法由内部回路和外部回路组成，其中所述基础分量是利用所述内部回路对所述趋势项和所述季节项进行分解得到的。

4.如权利要求2所述的短期负荷预测方法，其特征在于，所述Holt-Winters模型包括预测方程和状态转换方程；

所述状态转换方程为：

所述预测方程为：

其中，x_t为t时刻的实际负荷，为t+i时刻的所述基础分量的预测结果，b_i和p_i为所述残差项、所述趋势项和所述季节项的估计值，l_t为中间量，k表示所述季节项的时间段，α，β和γ为取值范围在0-1之间的平滑因子。

5.如权利要求4所述的短期负荷预测方法，其特征在于，所述基于Holt-Winters模型和所述基础分量得到所述基础分量的预测结果，包括：

根据所述基础分量和所述状态转换方程得到所述残差项、所述趋势项和所述季节项的估计值；

根据所述残差项、所述趋势项和所述季节项的估计值，以及所述预测方程得到所述基础分量的预测结果。

6.如权利要求1所述的短期负荷预测方法，其特征在于，所述回归模型为

其中，x_i为输入所述天气敏感分量，y_i为输出的所述天气敏感分量，ξ_i和分别是训练误差的下限和上限，C为成本误差，ε和分别为控制回归的质量的参数和函数。

7.如权利要求1所述的短期负荷预测方法，其特征在于，在基于所述回归模型和所述天气敏感分量得到天气敏感分量的预测结果之前，还包括：

利用支持向量机和给定训练样本对预设回归模型进行训练，获得所述训练完的回归模型。

8.如权利要求1所述的短期负荷预测方法，其特征在于，在获得所述回归模型之前，还包括：

在预设时间段内，获取多个负荷数据时间序列历史数据和多个气象历史数据；

对所述多个负荷数据时间序列历史数据进行分解，获取多个天气敏感分量历史数据；

根据所述多个天气敏感分量历史数据和所述多个气象历史数据，建立所述训练样本。

9.如权利要求1所述的短期负荷预测方法，其特征在于，所述根据所述基础分量的预测结果和所述天气敏感分量的预测结果得到所述负荷预测值，包括：

将所述基础分量的预测结果和所述天气敏感分量的预测结果相叠加，得到所述负荷预测值。

10.一种短期负荷预测系统，其特征在于，包括：

至少一个处理器；

与所述至少一个处理器通信连接的存储器，所述存储器存储有至少一个处理器可执行的计算机指令，所述计算机指令由所述至少一个处理器执行时使得所述至少一个处理器实现如权利要求1-9任一权项所述的方法步骤。

11.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1-9中任意一项所述方法的步骤。