[发明专利]一种基于气象成分分解的夏季短期负荷预测方法

权利要求书

1.一种基于气象成分分解的夏季短期负荷预测方法，其特征在于，包括：

获取历史负荷时间序列数据和历史温度时间序列数据，以及获取待预测日气象预测序列数据；

对所述历史负荷时间序列数据进行分解处理，得到历史负荷日周期分量、历史负荷周周期分量、历史负荷低频分量和历史负荷高频分量；

对所述历史温度时间序列数据进行分解处理，得到历史温度周期分量和历史温度波动分量；

根据所述待预测日气象预测序列数据和所述历史温度周期分量，计算得到待预测日温度波动分量；

将所述待预测日温度波动分量作为输入参数输入至气象敏感负荷预测模型中，以使所述气象敏感负荷预测模型输出待预测日负荷低频分量；其中，所述气象敏感负荷预测模型是用于根据输入的温度波动分量而输出负荷低频分量的预测模型；

根据所述历史负荷日周期分量、历史负荷周周期分量、历史负荷高频分量和待预测日负荷低频分量，计算得到预测日负荷时间序列。

2.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述气象敏感负荷预测模型的构建过程为：

获取历史负荷低频分量和历史温度波动分量，并将所述历史负荷低频分量和历史温度波动分量作为训练数据；

建立SVM模型，将所述训练数据作为输入参数输入至所述SVM模型进行训练优化，得到气象敏感负荷预测模型。

3.如权利要求2所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述建立SVM模型，将所述训练数据作为输入参数输入至所述SVM模型进行训练优化，得到气象敏感负荷预测模型的步骤，具体为：

将所述训练数据进行复制，得到训练集数据、验证集数据和测试集数据；

将所述训练集数据输入至建立的SVM模型进行训练，当达到预设的训练条件时，完成对SVM模型的训练，得到训练模型；

将所述验证集数据输入至所述训练模型进行验证，当达到预设的验证条件时，完成对所述训练模型的验证，得到验证模型；

将所述测试集数据输入至所述验证模型进行测试，当达到预设的测试条件时，完成对所述验证模型的测试，得到气象敏感负荷预测模型。

4.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述根据所述历史负荷日周期分量、历史负荷周周期分量、历史负荷高频分量和待预测日负荷低频分量，计算得到预测日负荷时间序列的步骤，具体为：

对所述历史负荷高频分量进行加权平均处理，得到待预测日负荷高频分量；

将所述历史负荷日周期分量、历史负荷周周期分量、待预测日负荷高频分量和待预测日负荷低频分量进行相加求和，得到预测日负荷时间序列。

5.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述对所述历史负荷时间序列数据进行分解处理的步骤，具体为：通过傅里叶分解技术对所述历史负荷时间序列数据进行分解处理。

6.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述对所述历史温度时间序列数据进行分解处理的步骤，具体为：通过傅里叶分解技术对所述历史温度时间序列数据进行分解处理。

7.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述历史负荷时间序列数据为待预测日前14天的历史负荷数据。

8.如权利要求1所述的基于气象成分分解的夏季短期负荷预测方法，其特征在于，所述历史温度时间序列数据为待预测日前14天的历史温度数据。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～8任一项所述的基于气象成分分解的夏季短期负荷预测方法。

10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～8任一项所述的基于气象成分分解的夏季短期负荷预测方法。