[发明专利]基于最优局部形相似的微网超短期负荷预测方法

摘要

本发明提供一种基于最优局部形相似的微网超短期负荷预测方法，该方法为：1、获得一最优局部形相似的微网超短期负荷预测模型；2、从微网超短期负荷预测模型中，以最优局部形相似系数确定与待预测实时曲线数列变化趋势最相似的最优局部形相似曲线数列；3、根据最优局部形相似曲线数列和微网超短期负荷的实时数据来获得微网超短期负荷的预测值；本发明的该预测方法对连续性数据拟合程度好准确率高，对当前微网中的大面积超短期负荷预测具有重要现实意义。

主权项

1.一种基于最优局部形相似的微网超短期负荷预测方法，其特征在于：所述方法包括如下步骤：步骤1、获得一最优局部形相似的微网超短期负荷预测模型；该步骤1具体包括步骤2和步骤3；步骤2、从微网超短期负荷预测模型中，以最优局部形相似系数确定与待预测实时曲线数列变化趋势最相似的最优局部形相似曲线数列；所述步骤2具体为：取待预测时刻数据点x前d点的数据构成曲线数列L_x为：L_x＝{l_x‑d,l_x‑d‑1,…,l_x‑1}设L_xn为L_x第n个元素，n＝1，2，…，d；l_x‑d为数据点x前d点的数据中最小的一个数据值；取待预测时刻数据点x前d点数据构成初始历史局部形相似曲线数列M_ix，且在初始历史相似曲线数列M中选取第i日，曲线数列M_ix为：M_ix＝{m_ix‑d,m_ix‑d‑1,…,m_ix‑1}设M_ixn为M_ix第n个元素，n＝1，2，…，d；m_ix‑d为数据点x前d点数据的初始历史局部形相似曲线数列，且该曲线数列取第i日中最小的一个数据值；则曲线数列L_x与第i日初始历史局部形相似曲线数列M_ix的形相似系数为S_ix，具体为：其中：e_ixn＝l_xn‑m_ixn，所有初始历史局部形相似曲线数列与实时曲线数列的形相似系数的最小值定义为该实时曲线数列的该时刻最优局部形相似系数S_x，具体为：S_x＝min(S_1x,S_2x,…,S_ix,…S_Nx)其中i＝1，2，…，N，N为初始历史相似曲线数；则最优局部形相似系数S_x对应的初始历史局部形相似曲线数列M_ix即为该待预测实时曲线数列L_x的最优局部形相似曲线数列M_ix’；步骤3、根据最优局部形相似曲线数列和微网超短期负荷的实时数据来获得微网超短期负荷的预测值；所述步骤3中获得微网超短期负荷的预测值具体为：运用线性外推法，则未来时刻的数据由当前时刻的值与一定的相对误差求和能获得，即第x时刻的预测值可表示为：其中为用第n个数据求得的x时刻预测值，e_xn为第x时刻与其前第n个数据的差值；由于M_ix’为L_x的最优局部形相似曲线数列，则其变化趋势相同，能由M_ix’的变化量近似表示曲线数列L_x的变化量，则e_xn表示为：e_xn＝m_ix’‑m_ixn’，m_ixn’为M_ix’的第n个元素；由上可知x时刻的预测值将有d个，则对该d个数据做加权平均获取该时刻的最终预测值l'_x为：其中，α_n为各个初始预测值的权重，设所有权重为等差数列，初始值为α₁，公差为k，则有：来确定α_n的值。