[发明专利]一种用于特殊天气和特殊日期的电力系统日负荷预测方法

摘要

本发明公开了一种用于特殊天气和特殊日期的电力系统日负荷预测方法，包括以下步骤：A、采集电网历史负荷数据，分离形成特殊日期负荷时间序列和特殊天气负荷时间序列；B、基于时间序列和回归分析法对特殊日期负荷时间序列进行筛选，并对特殊天气负荷时间序列进行小波分解；C、分别对特殊日期负荷输入序列和特殊天气负荷输入序列进行离散小波变换，得到各序列的近似分量和细节分量；D、基于神经网络和相关性分析分别对各近似分量和细节分量进行数据标准化处理；E、采用神经网络预测模型分别对特殊日期负荷和特殊天气负荷进行预测。本发明能够对特殊天气和特殊日期的电力负荷进行精确预测，提高了电力系统日负荷预测的鲁棒性和准确性。

主权项

一种用于特殊天气和特殊日期的电力系统日负荷预测方法，其特征在于，包括以下步骤：A、采集电网历史负荷数据，通过子序列分离形成特殊日期负荷时间序列和特殊天气负荷时间序列，然后进入步骤B；B、取特殊日期负荷时间序列作为输入数据，采用时间序列法对特殊日期负荷进行预测，得到初级预测结果，然后利用回归分析法计算初级预测结果与输入数据之间的相关性，选择与特殊日期相关性最强的输入数据作为特殊日期负荷输入序列，采用Daubechies小波函数对特殊天气负荷时间序列进行小波分解，将分解得到小波分量作为特殊天气负荷输入序列，然后进入步骤C；C、分别对特殊日期负荷输入序列和特殊天气负荷输入序列进行离散小波变换，得到特殊日期负荷输入序列的近似分量和细节分量，以及特殊天气负荷输入序列的近似分量和细节分量，然后进入步骤D；D、基于神经网络和相关性分析分别对特殊日期负荷输入序列的近似分量和细节分量，以及特殊天气负荷输入序列的近似分量和细节分量进行数据标准化处理，得到特殊日期负荷的标准子序列和特殊天气负荷的标准子序列，然后进入步骤E；E、采用贝叶斯方法建立神经网络预测模型并进行训练，利用神经网络预测模型分别对特殊日期负荷的标准子序列和特殊天气负荷的标准子序列进行输出预测，然后分别综合特殊日期负荷各标准子序列的预测结果和特殊天气负荷各标准子序列的预测结果，得到特殊日期负荷预测数据和特殊天气负荷预测数据。