[发明专利]用于智能用电监测终端的异常日负荷需求预测系统与方法

权利要求书

1.一种用于智能用电监测终端的异常日负荷需求预测系统，其特征在于，包括数据预处理层、数据解构层、多元神经网络、数据重构层以及预测结果整合输出层；

所述数据预处理层用于根据相关性分析算法从与异常日负荷数据关联的外生变量数据中，筛选出与异常日负荷数据关联程度较大的指标数据，并能将异常日负荷数据与相应的指标数据构建为样本数据；

所述数据解构层用于将输入的指标数据或样本数据解构为离散数据，并发送给多元神经网络；

所述多元神经网络包括若干并行的不同类型的子神经网络，各个子神经网络同步接收数据解构层输出的离散数据，并能够根据所述离散数据输出相应的预测数据；

所述数据重构层用于对多元神经网络中的各个子神经网络的预测数据进行重构，以将预测数据还原为相应的负荷预测值；

所述预测结果整合输出层用于根据修正整合算法将各个负荷预测值整合为一个负荷预测修正值，并作为异常日负荷需求的预测结果进行输出；修正整合算法采用如下公式计算负荷预测修正值：

式中，Load表示负荷预测修正值；n_total表示负荷预测值的总个数；为按照从小到大顺序排列的负荷预测值；n_tirm表示需要修剪的数据量；α表示需要修剪的数据量占数据总量的百分比；符号[]代表向下取整；当为整数时，修剪掉序列中正数的前个负荷预测值以及倒数的后个负荷预测值，再对剩余负荷预测值计算平均值；当为整数时，修剪掉序列中正数的前个数据以及倒数的后个数据，再对剩余负荷预测值中的最小值与最大值进行偏差值处理，即分别乘以最后对处理后的最大值、最小值及其余负荷预测值计算平均值。

2.根据权利要求1所述的用于智能用电监测终端的异常日负荷需求预测系统，其特征在于，多元神经网络包括FNN神经网络、Elman神经网络与RBF神经网络。

3.根据权利要求1所的用于智能用电监测终端的异常日负荷需求预测系统，其特征在于，多元神经网络中子神经网络的数量为3个。

4.根据权利要求1所的用于智能用电监测终端的异常日负荷需求预测系统，其特征在于，外生变量数据包括气象参数、社会特征与预测时段；所述气象参数包括干球温度、露点温度与风力等级；所述社会特征包括工作日、周末、节假日、纪念日与特殊事件发生日。

5.根据权利要求1所的用于智能用电监测终端的异常日负荷需求预测系统，其特征在于，数据解构层采用小波变换进行数据解构，数据重构层采用逆小波变换进行数据重构。

6.一种用于智能用电监测终端的异常日负荷需求预测方法，其特征在于，包括以下步骤：

采集异常日负荷数据及相应的外生变量数据并输入数据预处理层中；

数据预处理层根据相关性分析算法从与异常日负荷数据关联的外生变量数据中，筛选出与异常日负荷数据关联程度较大的指标数据，并将异常日负荷数据与相应的指标数据构建为样本数据；

利用样本数据对多元神经网络与预测结果整合输出层级联形成的多元组合神经网络进行迭代训练：样本数据输入给多元神经网络中的各个并行的子神经网络进行训练，并利用各个子神经网络输出的各个负荷预测值对预测结果整合输出层进行训练，直到预测结果整合输出层的异常日负荷的预测误差达到目标值，从而使得多元神经网络的内部参数以及预测结果整合输出层的修正量α形成优化组合；

将历史外生变量数据或实时采集的外生变量数据通过数据预处理层处理为指标数据后，输入训练完成的多元组合神经网络中以预测未来的异常日负荷需求。

7.根据权利要求6所述的用于智能用电监测终端的异常日负荷需求预测方法，其特征在于，采用全局粒子群优化算法对所述多元组合神经网络进行叠代训练。