[发明专利]一种非连续性电力物资需求预测方法及系统

权利要求书

1.一种非连续性电力物资需求预测方法，其特征在于，包括以下步骤：

获取电力物资需求影响因素样本；

运用模糊聚类理论对各电力物资需求影响因素样本进行聚类，以形成影响因素新类；

利用灰色绝对关联度理论计算得到影响因素新类对负荷的作用量；

根据影响因素新类对负荷的作用量以及该作用量的权重计算电力物资需求数量的预测值。

2.根据权利要求1所述的非连续性电力物资需求预测方法，其特征在于，设有m个电力物资需求影响因素样本，每个电力物资需求影响因素包括持续观测得到的n个电力物资需求影响因素元素，其中，观测矩阵X为：

其中，i表示第i个电力物资需求影响因素，j表示第j个时间段，x_i表示第i个电力物资需求影响因素序列，x_ij表示观测数据矩阵X的电力物资需求影响因素元素，其中，i∈[1,m]，j∈[1,n]，d_pd表示电力物资需求影响因素样本p和电力物资需求影响因素样本q之间的欧氏距离；

各电力物资需求影响因素样本分别作为一类，分别计算类与类之间的欧氏距离，将欧氏距离最小的两类设为类a及类b，再将类a及类b合并为新类r，按d_rz＝min{d_az,d_bz}计算类r与其他类的距离，依次类推，直至所有电力物资需求影响因素样本合并成一类为止，以形成影响因素新类，得观测矩阵X的简化矩阵F。

3.根据权利要求1所述的非连续性电力物资需求预测方法，其特征在于，以被预测量的电力物资需求数量构造灰色绝对关联度理论中的主行为序列；以所有影响因素模糊聚类后的各个新类构造被预测量的行为因子序列。

4.根据权利要求1所述的非连续性电力物资需求预测方法，其特征在于，设长度相同的系统行为因子序列X_i＝(x_i(1) x_i(2) L x_i(n))，其中，i∈[1,θ]，θm；主行为序列X_z＝(x_z(1)x_z(2) L x_z(n))，因子序列和主行为序列的始点零化序列为：X_i0＝(x_i0(1) x_i0(2) L x_i0(n))，其中i∈[1,θ]，θm；X_z0＝(x_z0(1) x_z0(2) L x_z0(n))，设

其中，i∈[1,θ]，θm，δ_iz为行为因子序列X_i和主行为序列X_z的灰色绝对关联度；

对影响程度的归一化处理，即：

其中，i∈[1,θ]，θm，k_i为回归模型中的权重系数，分别计算行为因子的权重系数，得权重系数矩阵K＝[k₁ k₂ L k_θ]。

5.根据权利要求1所述的非连续性电力物资需求预测方法，其特征在于，对简化矩阵F中的θ个电力物资需求影响因素样本的数据进行数据拟合，得θ个的电力物资需求影响因素样本随后α年的预测值z_i，然后构建组成矩阵F₁，得：

其中，Z表示预测值，T表示调整系数，T为调整系数。