[发明专利]基于温度及节假日因素的电力用电负荷预测方法

摘要

本发明涉及电力系统中为监测、预测目的的数据处理方法，特别是一种基于温度及节假日因素的电力用电负荷预测方法，先利用历史数据建立模型，区分出节假日及工作日的用电数据，并建立一个判断的虚拟变量。再利用温度与虚拟变量建立负荷的短期预测模型，然后对模型自变量进行AIC准则下的显著性检验，最后利用模型得到短期的负荷预测值。根据模型得到的负荷预测值，由于考虑了节假日因素和温度因素，因此预测效果好，预测精度高。

主权项

1.基于温度及节假日因素的电力用电负荷预测方法，其要点在于，包括有如下步骤：（1）电力用户用电信息采集系统提供历史数据库，存储有工作日及节假日中每天j个采集时刻的采集数据；（2）利用历史数据库中的数据建立模型，区分出节假日及工作日的用电数据类型：建立区分工作日和节假日的虚拟变量D=(D₁,D₂,……,D_m)，当D_i=1时，表示第i天为节假日或非正常用电日，当D_i＝0，表示第i天为理论正常用电日，m为天数；（3）定义xj=(x1j,x2j,.......,xmj)T=(y1,j,y1,j,y2,j,......,ym-1,j)T]]>为第j个采集时点的一阶超前数据集；其中x^j为历史数据中一天之内在j个采集时点的负荷数据，(y_1，j,y_1，j,y_2,j，……,y_m-1,j)为的向量转置，T表示向量转置；（4）根据上述向量转置后的一阶超前数据集建立高阶多项式回归模型：_jD+ε_，j，其中y_,j为任意一个采集点第j个采集时点所组成的向量组，t为温度向量组，D为步骤（1）所述虚拟变量，ε_,j为残差向量；β为设定的模型参数；（5）任意选取高阶多项式回归模型的7个变量中的K个变量进行组合，得到64种不同的模型；（6）利用OLS法对每种模型进行参数估计，并定义AIC=mln(RSS_k+1)+2(K+1)，其中RSS_k+1为对应模型的残差平方和；（7）选取AIC最小时所对应的模型为最终的预测模型；（8）根据设定的采集时点采集气象系统中温度预测值，即所要预测的当天的气温预测值；以及区分工作日和节假日的虚拟变量代入最终的预测模型；最终获得预测当天所有采集时点的短期负荷预测值。