[发明专利]一种短期电力负荷预测方法、设备及可读存储介质

权利要求书

1.一种短期电力负荷预测方法，其特征在于，方法包括：

配置电力负荷数据样本序列；

将电力负荷数据样本序列配置到隶属度函数；

将逆推理论改进模糊均生函数计算方式与最优子集回归算法相结合，推导出电力负荷短期预测模型；

基于最优子集回归算法先将模糊均生函数延拓序列定义为自由变量；

将自变量进行自由组合；

将组合后的序列分别与因变量建立线性回归方程，根据预设筛选标准从所有的回归方程中筛选出模糊均生函数的短期负荷预测模型，得到相应的负荷预测值。

2.根据权利要求1所述的短期电力负荷预测方法，其特征在于，

步骤将电力负荷数据配置到隶属度函数中的隶属度函数为：

其中：μ根据对过去实际值的预先设定；

若具有时间排序的电力负荷数据样本序列为周期性序列，则隶属度函数为：

其中：l表示序列的周期长度；r为根据经验或者试算确定的常数；

若基于电力负荷数据样本序列中的数据对预测点的作用随距离的变远逐渐下降，并表现出电力负荷数据周期性，则隶属度函数为：

3.根据权利要求1所述的短期电力负荷预测方法，其特征在于，

对具有时间排序的电力负荷数据样本序列x(t)，按下式定义模糊均生函数：

其中：i＝1，2，…，l；1≤l≤m；n_l＝INT(n/l)；m＝INT(n/2)或INT(n/3)；l为模糊均生函数对应的周期；INT为数据取整。

4.根据权利要求1所述的短期电力负荷预测方法，其特征在于，

模糊均生函数为：

其中：R_l＝n-n_l·l；R_l为样本数目为n的剩余项数；

将第R_l+i项作为计算模糊均生函数的起点，按照预设的间隔计算到最后一项，其中n-R_l是周期l的倍数。

5.根据权利要求4所述的短期电力负荷预测方法，其特征在于，

将一个电力负荷数据样本序列上的模糊均生函数扩展至整个预测区间，进行周期性延拓预测；

周期性延拓预测方式为：

其中：i＝1，2，…，n；mod表示数值求余；得到模糊均生函数的周期延拓矩阵：

G＝(g_i，j)_n×l，g_i，j≡g_l(t) (7)

其中：n×l为周期延拓矩阵的阶数；为当l＝1时产生的模糊均生函数序列；表示依次取之一；表示依次取之一，余之类推。