[发明专利]一种基于AP-TS-SVR模型的热电厂短期工业热负荷预测方法

权利要求书

1.一种基于AP-TS-SVR模型的热电厂短期工业热负荷预测方法，其特征在于，包括以下步骤：

S1：按照设定的采样间隔从热电厂工业用户数据库中读取预测时刻前E天的各个工业用户的历史负荷数据；所述历史负荷数据为工业用户的蒸汽用量；

S2：采用平均比例法分别计算M个工业用户的热负荷占热电厂工业总热负荷的平均比例，剔除平均占比小于设定值Ⅰ的工业用户，保留剩余的K个用户，KM；

S3：基于工业用户前E天的历史热负荷数据，采用时间序列法分别预测K个用户未来24小时的热负荷值；

S4：采用支持向量机建模和预测热电厂工业总热负荷，建模时，输入为预测时刻K个用户前F天的历史实际负荷值，FE，输出为热电厂M

个工业用户前F天的历史总热负荷值；模型预测时，输入为步骤S3中预测的K个用户未来24小时的热负荷值，输出为未来24小时的热电厂工业用户的总热负荷预测值；

所述步骤S2中的平均比例法用于计算工业用户热负荷在所属区域工业总热负荷中的平均占比，计算方法为：

假设某热电厂供给的区域共有M个工业热用户，读取了M个用户的N个历史时刻的用汽量数据，则该区域工业用户样本集合X可表示为：

式中：X₁₁表示第一个时刻第一个用户的用汽量数据，X₁₂表示第一个时刻第二个用户的用汽量数据，X₂₁表示第二个时刻第一个用户的用汽量数据，其余由此类推；

M个用户N个时刻的用汽量占总用汽量的比例为：

式中：P_ij表示第i时刻的第j个工业用户的用汽量占比；

M个用户用汽量的平均占比分别为：

当时，可忽略该热用户负荷，C为常数；

所述的时间序列模型的通用表达式可表示为

Φ(L^S)(1-L^S)^DX_t＝Θ(L^S)ε_t

Φ(L^S)＝1-Φ₁L^S-Φ₂L^2S-...Φ_pL^pS

Θ(L^S)＝1-Θ₁LS-Θ₂L^2S-...Θ_qL^qS

式中：{ε_t}～WN(0，σ²)，D为差分次数，L为滞后算子，S为周期，p为自回归阶数，q为滑动阶数；

所述的支持向量机模型表示为：

式中：α_i和α_i^*为拉格朗日乘子，b为偏移量，K(x_i，x)为核函数，选用标准差为σ的高斯径向基函数

2.根据权利要求1所述的一种基于AP-TS-SVR模型的热电厂短期工业热负荷预测方法，其特征在于：

所述步骤S1中，获取工业用户的历史负荷数据后，对历史负荷数据进行丢失数据的填充和错误数据的修正；

所述丢失数据的填充包括：假定一列数据中的某个数据出现丢失，以该数据点为中心，取前后G个数据按照数据大小进行排序，然后求取中间两个数据的平均值，得到这列数据的中位数，以此中位数填充缺失的值；

所述错误数据的修正包括：若某个用户某时刻的历史负荷值与读取的该用户的所有负荷数据的中位数之间的差值超过设定倍数的经过换算的中位数绝对偏差MAD，则该时刻的历史负荷值被定义为错误值，采用与填充丢失数据相同的方法修正；

MAD的计算式为：

MAD＝median(|X_t-median(X)|)

式中：X_t表示某个用户t某时刻的负荷值，X表示读取的某个用户的所有负荷值，median表示求取数据的中位数操作，当某时刻的负荷值(|X_t-median(X)|)3MA被认为是错误数据。

3.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1或2所述方法的步骤。