[发明专利]一种基于CEEMDAN的用电负荷预测方法

说明书

本发明涉及一种基于CEEMDAN的用电负荷预测方法，首先采用CEEMDAN算法对待研究负荷序列进行分解，运用多种特性分析指标对负荷各分量进行特性分析；接着利用皮尔逊系数求取各负荷模态及其组合与原始气温及气温模态组合的相关性，获得受气温影响较大的负荷分量；最后运用指定各个预测模型对负荷数据进行分类预测；本发明可以大大降低负荷时间序列的模态混叠现象；同时CEEMDAN可以有效提取受气温影响较大的负荷分量，挖掘负荷潜在特性，分析气温负荷变化规律；而且本发明所提组合预测算法可以有效提高负荷预测精确度，有效预测气温负荷对高峰负荷的影响，为电力系统提前制定合理的运行方式提供明确的信号。

技术领域

本发明涉及一种基于CEEMDAN的用电负荷预测方法，属于负荷分析与预测技术领域。

背景技术

随着全球经济的发展和生活水平的提高，居民用电量迅速增长，这使得电力负荷峰谷差不断加大，负荷波动愈加明显。为了使电网管理者更好地进行负荷调度和规划，减少能源的浪费，提高电网稳定性，电力负荷预测技术是必不可少的。为了提高负荷预测的精度和效率，国内外研究者对负荷预测技术进行了不断的改进。由于电力负荷具有随机性和波动性，组成成分复杂，同时还受很多外界因素影响，因此目前研究方向主要集中在负荷预测模型与算法的改进以及负荷预测影响因素的研究。

美国大部分地区的电力负荷受大气温度的影响较大，例如夏季时温度升高，居民和工业负荷随之增大，会产生大量降温负荷；冬季时温度较低，会产生大量取暖负荷。因此，对电力负荷进行分离，挖掘负荷特性，研究其与温度的相关关系，将有利于电力负荷的精准预测以及电网的实时调度和规划。

发明内容

本发明所要解决的技术问题是提供一种基于CEEMDAN的用电负荷预测方法，通过对负荷进行CEEMDAN分解，对负荷的潜在特性、以及负荷的组成成分和各成分波动的影响因素进行深入探究，挖掘气温负荷变化规律，能够有效提高负荷预测的精度与效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于CEEMDAN的用电负荷预测方法，用于针对目标区域的用电负荷实现预测，按如下步骤A至步骤G，实现用电负荷预测模型的获得，然后按步骤i至步骤ii，基于用电负荷预测模型，实现目标温度数据序列下用电负荷的预测；

步骤A.选取目标区域对应指定时间段内的用电负荷数据序列、以及温度数据序列，然后进入步骤B；

步骤B.分别针对用电负荷数据序列、温度数据序列进行分解，获得用电负荷数据序列所对应的各个负荷固有模态函数序列与余项、以及温度数据序列所对应的各个温度固有模态函数序列与余项，然后进入步骤C；

步骤C.分别针对各个固有模态函数序列，获得固有模态函数序列所对应的平均周期T、平均振幅A、波动规律性检验指标k、方差S²；然后进入步骤D；

步骤D.根据固有模态函数序列所对应的平均周期T、平均振幅A、波动规律性检验指标k、方差S²，应用皮尔逊相关系数，针对各负荷固有模态函数序列及其组合与各温度固有模态函数序列及其组合进行定量分析，获得彼此之间的各个相关性，以及各相关性分别所对应负荷固有模态函数序列与温度固有模态函数序列之间的组合，构成各相关性分别所对应的固有模态函数组合，然后进入步骤E；

步骤E.选择大于预设相关阈值的各个相关性，并针对该各个相关性，若不同相关性分别所对应固有模态函数组合之间存在重叠，则保留其中最大的相关性，并删除其中其余的相关性，由此获得剩余各个相关性，并获得该各个相关性分别所对应的固有模态函数组合，作为各个固有模态函数组合样本，然后进入步骤F；

步骤F.判断温度数据序列所对应各个温度固有模态函数序列中，是否存在不属于各固有模态函数组合样本的温度固有模态函数序列，是则建立该各个温度固有模态函数序列与用电负荷数据序列所对应各负荷固有模态函数序列之间的对应关系，构成一组固有模态函数组合样本，然后进入步骤G；否则直接进入步骤G；