[发明专利]一种基于相似日和LSTM的短期电力负荷双向组合预测方法

权利要求书

1.一种基于相似日和LSTM的短期电力负荷双向组合预测方法，其特征在于，包括以下步骤：

S1，数据预处理：将历史数据中的影响因素作归一化处理，所述影响因素包括温度、天气类型和日类型；所述历史数据包括影响因素数据和电力负荷数据，所述影响因素数据来源于当地气象局，所述电力负荷数据来自当地配电站、且每15分钟作为一个采样点，1天共96个采样点；

S2，相似日选择：采用灰色关联分析法在不同范围的历史日中按照关联度大小挑选相似日，所述相似日包括测试日、训练集标签日和训练日；

S3，数据集确定：所述数据集包括测试集和训练集，所述训练集包括训练集标签日的电力负荷数据和训练日的电力负荷数据，所述测试集为测试日的电力负荷数据和待预测日的电力负荷数据；

S4，横向输入矩阵和纵向输入矩阵的建立：利用步骤S3中的数据集组成相似日的初始矩阵，将初始矩阵的一行对应同一相似日的若干采样点数据作为横向样本，利用横向样本建立横向输入矩阵，将初始矩阵的一列对应不同相似日同一时刻点的负荷数据作为纵向样本，利用纵向样本建立纵向输入矩阵；

S5，横向与纵向预测：将横向输入矩阵和纵向输入矩阵输入到LSTM模型中做横向预测和纵向预测；

S6，组合预测：将步骤S5中的横向预测结果和纵向预测结果利用最小方差法求出每一个采样点的横向预测权重和纵向预测权重，利用下式得出双向组合预测结果：

式中，f表示一个采样点的组合预测值；q＝1,2…,p；p表示预测方法的数量；f_q表示一个采样点第q种预测方法的预测值；w_q表示一个采样点第q种预测方法的权重系数：

其中，Var(e_q)表示一个采样点第q种预测方法的预测方差。

2.根据权利要求1所述的基于相似日和LSTM的短期电力负荷双向组合预测方法，其特征在于，步骤S1中，温度的归一化处理采用下式进行处理：

其中X为实际温度，X_max为温度最大值，X_min为温度最小值，Z为归一化处理值。

3.根据权利要求1所述的基于相似日和LSTM的短期电力负荷双向组合预测方法，其特征在于，步骤S1中，天气类型进行归一化处理时，根据当地的历史日对天气类型进行归一化，越恶劣的天气归一化处理值越大。

4.根据权利要求1所述的基于相似日和LSTM的短期电力负荷双向组合预测方法，其特征在于，步骤S1中，日类型包括周二到周四、周一和周五、周六和周日、小长假，在归一化处理时，由于归一化处理值与用电量成正比，选定周二到周四的归一化处理值最小，周一和周五的归一化处理值大于周二到周四，周六和周日的归一化处理值大于周一和周五，小长假的归一化处理值最大。