[发明专利]一种利用分形算法对电网未来运行状态进行预测的方法

摘要

本发明提供一种利用分形算法对电网未来运行状态进行预测的方法，包括以下步骤进行二维分形预测日内预测数据；以日内预测数据为基础数据进行三维分形预测；计算最终电网未来运行状态的预测数值。本发明提供的利用分形算法对电网未来运行状态进行预测的方法，在原有利用分形理论预测电网未来运行状态基础上扩展了长时间维度的分形插值数据集合的查找，由于新的数据集合充分考虑了天气、气候、经济、生活习惯等各项因素，将弱化日内曲线的波动性和不确定性，并由有学习机制的权重系数逐步优化趋势拟合结果，最终计算出来的电网未来运行状态准确度将有很大提高。

主权项

一种利用分形算法对电网未来运行状态进行预测的方法，其特征在于：所述方法包括以下步骤：步骤1：进行二维分形预测日内预测数据；步骤2：以日内预测数据为基础数据进行三维分形预测；步骤3：计算最终电网未来运行状态的预测数值；所述步骤1中，对日内预测数据进行二维分形预测，具体为采用时间点为横坐标轴，负荷或者可调发电出力数值为纵坐标轴的二维分形预测；所述步骤1具体包括以下步骤：步骤1‑1：负荷数据预处理，剔除或修补数据为零或尖刺的点；步骤1‑2：获取样本，根据预测日与历史日的天气情况，采用相似日算法从历史日中选取3～5天相同或相近的类型日的负荷历史记录，作为预测日的相似日；步骤1‑3：从所选择的相似日内选择相似性最大的一天作为基准日；步骤1‑4：分析基准日的负荷曲线特性，把曲线按发电用电特点分为四段，找出每段中的主要特征点共同组成基准插值点集合，将此集合中元素的时间坐标作为基准X轴；所述主要特征点包括峰谷点、极值点和拐点；步骤1‑5：建立基准日负荷曲线的IFS；对基准日的负荷曲线采用步骤1‑2的插值点集合，计算该基准日的分段分形插值参数；步骤1‑6：建立其他相似日负荷曲线的IFS；对其他的相似日也采用同样时间的基准点，进行分段分形插值参数的求取；步骤1‑7：对已求得的几个相似日的分段分形插值参数进行加权求均，得到统计意义上的IFS；考虑超短期预测，其已经发生的数据也可产生对于今天更具有意义的吸引子IFS，综合考虑其权重系数以今天发生的为最大；所述步骤1‑5具体包括以下步骤：步骤1‑5‑1：选定初始点集合及最大迭代次数Nmax；步骤1‑5‑2：顺次取集合x{x0,x1,...xk}内的端点xi，i＝1,2,3......k‑1；对所取的端点采用迭代函数系统{X:ω1,ω2,...ωn}依次进行迭代，每次产生的新点将取代端点xi，Nmax＝Nmax‑1；步骤1‑5‑3：若Nmax＝1，转到步骤1‑5‑4；否则，转到步骤1‑5‑2；步骤1‑5‑4：顺次取集合x{x0,x1,...xk}内的端点xi，i＝1,2,3......k‑1，对所取的点采用迭代函数系统{X:ω1,ω2,...ωn}依次进行迭代，每次产生的新点将取代点xi，结束；所述步骤2中，以日内预测数据为基础数据，即日内某时刻断面数据为基础进行三维分形预测；具体为在二维分形预测的基础上，以历年一系列与预测日相关的相似日历史断面中指定时间点的数据作为预测趋势的基础数据，形成准确反映天气、气候、经济、生活习惯不确定因素的数据；所述步骤2具体包括以下步骤：步骤2‑1：以某年或者几年之内数据为基础数据，按照时间顺序、气候变化特点、节假日相似因素找出一组新的相似日，相似日的数目需要足够多以进行某个时间点的分形插值计算；步骤2‑2：以每个相似日固定时间点的数据为采样值按照时间顺序形成新的吸引子计算初值集合，以24小时为采样间隔进行分形插值算法，计算其IFS吸引子；步骤2‑3：通过IFS和由步骤2‑1、步骤2‑2得出的计算初值集合，按照步骤1的执行顺序对趋势数据进行预测，根据权重系数计算最终趋势预测数值；所述步骤3中，根据某地区常年各季度运行经验，通过自适应算法总结适合电力系统的日内分形预测计算的权重系数和历年数据分形预测计算的权重系数，计算最终电网未来运行状态的预测数值；采用可调权重的方法进行电网未来运行状态中负荷或者可调发电出力数值的预测，基于历史的预测准确率，及时调整现有的两种电网未来运行状态预测方法的权重，从而找出比较适应某个区域的预测权重参数，进而自动提升预测准确率。