[发明专利]一种基于延时坐标嵌入法的电力负荷预测方法

说明书

本发明涉及一种基于延时坐标嵌入法的电力负荷预测方法，包括以下步骤：1.数据观测收集，2.选取延迟时间参数，3.选取嵌入维数参数，4.结合延迟时间、嵌入维数和数据集并构造多维相空间，采用局部平均预测法，根据连续函数和欧几里德范数的性质，选取若干个最临近矢量并分别计算最临近矢量与矢量之间的距离，获得相应预测值，5.电力用户负荷预测。本发明选取延迟时间和嵌入维数应用于延时坐标嵌入算法，并构造相应的多维相空间，实现电力用户的负荷预测，有效的利用历史数据建立预测模型，对未来时间段内的电力负荷进行精准有效的预测，预测精度高，可靠性强，提供了一套精准完备的预测模型。

技术领域

本发明涉及一种基于延时坐标嵌入法的电力负荷预测方法，属于电力负荷预测技术领域。

背景技术

随着基于先进量测系统的智能电网的迅猛发展，用电信息采集系统逐渐完善，配用电数据表现出数量大、类型多、增长快等大数据特征，电力大数据逐渐成为人们关注和研究的热点。在大数据环境下分析用电数据之间的关联度，并运用合理的预测方法探索电力用户负荷的发展变化规律，对于合理规划和设计电网运行，提升电网运行稳定性、经济性、环保性具有极其重大的现实意义。

短期负荷由于受天气变化、社会活动等因素的影响，在时间序列上表现为非平稳的随机过程，但是各因素中大部分具有规律性，从而为实现有效预测提供了先决条件。目前用于短期负荷预测的算法主要有神经网络法、时间序列法、回归分析法、支持向量机法、模糊预测法等。负荷预测的核心问题是如何利用历史数据建立预测模型，对未来时刻或时间段内的负荷进行预测。随着现在电力系统管理信息系统的逐步建立，以及天气预测水平的提高，准确获取各种历史数据已不再困难，因此，短期负荷预测的核心问题是预测模型的精度高低。

发明内容

为了解决上述技术问题，本发明提供一种于延时坐标嵌入法的电力负荷预测方法，其具体技术方案如下：

基于延时坐标嵌入法的电力负荷预测方法，包括以下步骤：

步骤一：数据观测收集：通过电力先进测量系统中的智能电表连续收集用户的细粒度电力日负荷数据作为观测数据集，并选取延迟时间和嵌入维数应用于延时坐标嵌入算法；

步骤二：选取延迟时间参数：根据自相关函数，代入时间序列获得对应自相关函数

将观测数据集中的数据代入自相关函数R(τ)，得到自相关函数R(τ)随延迟时间变化的轨迹，当自相关函数R(τ)的值下降至初始值R(0)并乘以下降系数，获得时间τ作为构造相空间的延迟时间；

步骤三：选取嵌入维数参数：采用虚假最临近点法，从最小嵌入维数2开始计算虚假最临近点的比例，逐渐增加维数，直至虚假最临近点比例小于5％或虚假最临近点的数目随着维数的增加停止减少时，选取此时维数作为嵌入维数；

步骤四：构造多维相空间：结合延迟时间、嵌入维数和数据集并构造多维相空间，采用局部平均预测法，根据连续函数和欧几里德范数的性质，选取若干个最临近矢量并分别计算最临近矢量与矢量之间的距离，获得相应预测值；

步骤五：电力用户负荷预测：采用循环计算的方式选取最临近矢量的数目，直至预测值收敛停止。

进一步的，所述步骤一中智能电表为单相智能电表或三相智能电表。

进一步的，所述步骤一中用户为工业用户、商业用户或居民用户。

进一步的，所述步骤一中智能电表设置每隔15分钟时间间隔采样数据，实现负荷数据的细粒度。

进一步的，所述步骤四中临近距离的判断标准选择欧几里得范数或最大模范数。

本发明的有益效果：