[发明专利]一种基于灰色关联的DA-LSTM的短期电力负荷预测方法

说明书

本发明公开了一种基于灰色关联的DA‑LSTM的短期电力负荷预测方法，包括：获取多日日负荷影响因素数据和负荷数据，计算各个日负荷影响因素数据负荷数据之间的MIC值，获得各影响因素的权重，划分历史日数据和待预测日数据，并构建灰色关联判断矩阵，利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策阵，得到每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，选择满足阈值历史日作为相似日集，构建DA‑LSTM模型，利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，在DA‑LSTM模型中输入相似日数据，对待预测日进行负荷预测。该方法结合历史负荷、气象、日期类型等因素进行预测，能对待预测日实现短期预测。

技术领域

本发明涉及电力负荷预测技术领域，更具体的涉及一种基于灰色关联的DA-LSTM的短期电力负荷预测方法。

背景技术

电力系统短期负荷预测是根据历史负荷变化规律，结合气象、经济等因素对未来几天或几小时负荷进行科学预测。准确的负荷预测是安排电力生产调度、提高电力系统自动化运行水平的重要决策依据。对电力负荷进行短期预测是电网企业分散式负荷管理，实现精细化管理的重要手段。

现有相似日方法中相似日的选取主要是直接采用灰色关联或聚类，但所选取的相似日与待预测日的相似度有待进一步提高。

发明内容

本发明实施例提供一种基于灰色关联的DA-LSTM的短期电力负荷预测方法，包括：

获取多日日负荷影响因素数据和负荷数据，获得影响因素特征数据；

计算各个日负荷影响因素数据负荷数据之间的MIC值，获得各影响因素的权重；

划分历史日影响因素特征数据数据和待预测日影响因素特征数据数据，并构建灰色关联判断矩阵，利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策矩阵，根据加权灰色关联决策矩阵得到每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，选择满足阈值历史日作为相似日集；

利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，构建DA-LSTM模型；

在DA-LSTM模型中输入相似日影响因素特征数据数据，对待预测日进行负荷预测。

近一步，日负荷影响因素数据，包括：

周一到周日、节假日、工作日、日最高温度、日最低温度、日平均温度、日相对湿度。

近一步，还包括对负荷数据的预处理步骤，其包括：

采用3σ原则，分别计算数据的四分位数Q₁和Q₃；

设定可接受值的取值范围，设定方法如下式所示：

Q₃+k(Q₃-Q₁)～Q₁-k(Q₃-Q₁)

式中，Q₁为第一四分位数，Q₃为第三四分位数；

对负荷数据从小到大依次排序；

采用线性插补法和均值插补法填补计算，取其平均值填充负荷数据对应缺失值。

近一步，各影响因素的权重，计算公式包括：

W＝[ω₁ ω₂ … ω_m]

式中：p_k为第k个影响因素的MIC值，ω_k为第k个影响因素的权重，k＝1，2，…，m。