[发明专利]一种基于快速周期分量提取的电力短期负荷预测方法

摘要

本发明公布了一种基于快速周期分量提取的电力短期负荷预测方法，本发明对训练数据信号进行频谱分析，依次提出信号的周期及非周期分量，再对周期分量进行循环预测，非周期分量进行差分自回归滑动平均模型预测，得到预测日一天的负荷情况，本发明为电力系统短期负荷预测提供了一种新的快速检测方法，解决了目前电力系统网络结构复杂、参数不稳定的非线性系统中负荷短期预测的问题。

主权项

一种基于快速周期分量提取的电力短期负荷预测方法，其特征在于，包括以下步骤：(A)选取要预测日期之前一段时间序列的负荷作为历史负荷数据信号，对得到的信号去均值处理，并进行快速离散傅立叶变换，得到信号的频域变换；(B)将步骤(A)得到的信号进行最大谱峰搜索提取各频率分量及信号相应的低频趋势分量，并把各分量还原到观测域，再把提取的周期分量进行循环平移处理消噪，提取的非周期分量不做循环平移处理，直到提取的某一分量的幅值小于一给定的阈值；(C)步骤(B)中得到的周期分量相加，并把开始一天的负荷值作为周期分量的预测值，对剩余的非周期部分利用差分自回归滑动平均(ARIMA)模型直接一次预测下一天非周期分量的负荷值；(D)步骤(C)中周期分量的预测负荷值、非周期分量的预测负荷值与原数据中直流分量相加，即可得到要预测日期一天的负荷；即按照以下公式进行处理：yc(n)＝ya(n)+yb(n)+E[x(n)]，其中，ya(n)：下一天满足周期分量的负荷预测数据；yb(n)：下一天的非周期预测负荷数据；yc(n)：要预测日期一天的负荷；E[x(n)]：原数据中直流分量。