[发明专利]一种电力系统的短期负荷预测方法

说明书

本发明涉及一种电力系统的短期负荷预测方法，包括：采集电力系统短期负荷曲线，以及相关影响因子历史数据曲线；对电力系统短期负荷曲线及相关影响因子历史数据曲线进行n次分解，每个信号得到n个分量；基于支持向量机SVM计算电力系统短期负荷每个分量的函数表达式，根据最小二乘法计算每个分量权重，构建电力系统短期负荷预测模型；采集电力系统短期负荷未来24小时的温度、湿度和露点数据曲线并进行n次分解输入步骤(3)，通过电力系统短期负荷预测模型输出结果。本发明通过对电力系统短期负荷及相关影响因子温度、湿度和露点数据信号多层分解，有效利用信号的丰富信息，提高电力系统短期负荷预测的准确性。

技术领域

本发明涉及电力系统负荷预测技术领域，尤其是一种电力系统的短期负荷预测方法。

背景技术

伴随着我国经济的加快发展，电力系统的建设速度蓬勃发展，建设规模也十分庞大。电力系统的安全稳定经济运行，不仅有利于维系城市正常的生存功能，还有利于优化资源配畳，缓解日益紧张的能源压力。然而电能难以大量地直接储存，发电、输电和用电过程是同时进行的，为了保证电力系统运行的可靠性和经济性，需要制定合理的计划和调度方案，而准确的短期电力负荷预测是必要的前置条件。因此，实现高精度的电力系统短期负荷预测具有重大意义。

机器学习理论中，支持向量机(SVM)实现了结构风险最小化原理，根据有限样本信息在模型的复杂性和学习能力之间寻求最佳折衷，等价于解决一个线性约束的二次规划问题，因而它的解是唯一的、全局的和最优的。因此，SVM有较好的泛化能力，已经成功地推广应用到了在解决时间序列预测问题，取得了非常好的结果。

目前基于SVM的电力系统短期负荷预测模型在不同方法的尝试后预测精度得到显著提高，但大部分方法是在模型的参数优化算法上进行改进，并未过多关注于电力负荷相关影响因子数据曲线本身的特征提取，仍然可以做进一步提升。电力负荷相关影响因子数据曲线包含许多不同的频率，这些频率分量与电力系统负荷密切相关，有着丰富的信息，对提高预测精度具有重要的现实意义。

发明内容

本发明的目的在于提供一种能够更加可靠、准确地对电力系统进行短期负荷预测的电力系统的短期负荷预测方法。

为实现上述目的，本发明采用了以下技术方案：一种电力系统的短期负荷预测方法，该方法包括下列顺序的步骤：

(1)采集电力系统短期负荷曲线，以及相关影响因子历史数据曲线，所述相关影响因子包括温度、湿度和露点；

(2)对电力系统短期负荷曲线及相关影响因子历史数据曲线进行n次分解，每个信号得到n个分量；

(3)将步骤(2)采集的相关影响因子n个分量作为输入量，电力系统短期负荷n个分量作为输出量，基于支持向量机SVM计算电力系统短期负荷每个分量的函数表达式，根据最小二乘法计算每个分量权重，构建电力系统短期负荷预测模型；

(4)采集电力系统短期负荷未来24小时的温度、湿度和露点数据曲线并进行n次分解输入步骤(3)，通过电力系统短期负荷预测模型输出结果。

所述步骤(1)具体包括以下步骤：

(1a)通过电力系统电压互感器在线采集电压信号U(t)，采集数据点为N个；

(1b)通过电力系统电流互感器在线采集电流信号I(t),采集数据点为N个；

(1c)计算电力系统短期负荷曲线p(t)：

式中，是电力系统电压电流功率因素角；

(1d)采集电力系统负荷相关影响因子历史数据曲线，包括温度H(t)、湿度W(t)和露点Q(t)。

所述步骤(2)具体包括以下步骤：