[发明专利]一种基线预测中相似日最优天数组合的选取方法

摘要

本发明公开了一种基线预测中相似日最优天数组合的选取方法，步骤一：相似日的预筛选和相似日天数组合选取；步骤二：相似日组合矩阵进行基线负荷的预测；步骤三：相似日组合矩阵中最优相似日天数组合选取。本发明提供的一种基线预测中相似日最优天数组合的选取方法，充分、合理和有效地利用了历史日数据库，充分挖掘非需求响应因素，量化历史日相似度并排序，通过不同天数组合的误差对比最终确定了相似日最优选取天数组合，其中采用了灰色关联法、综合加权法、多元线性回归法、MRE误差评价等方法的优点，极大地提高了需求响应基线预测的经济性和准确性，为需求响应技术提供了科学理论支持。

主权项

一种基线预测中相似日最优天数组合的选取方法，其特征在于：包括如下步骤：步骤一：相似日的预筛选和相似日天数组合选取；1a：确定历史日选取范围为28天，通过需求响应时段前一时段的负荷曲线与需求响应日同时段负荷曲线相关性，计算关联度γ_i，选择γ_i＞0.9的历史日为相似日；1b：在样本容量s+28中，按步骤1a要求，选取相似日序列{d₁,d₂,……,d_s}，取序列中的最小值记为d，作为相似日组合最大选取天数；1c：对假设的s个需求响应日各对应的d个相似日进行综合相似度的排序，并根据排序选取不同的相似日天数组合，每个假设的需求响应日得到d种方案，即形成一个s×d的相似日组合矩阵$A=\left[\begin{array}{cccc}{a}_1\left(1\right)& a_2\left(1\right)& ...& a_d\left(1\right)\\ a_1\left(2\right)& a_2\left(2\right)& ...& a_d\left(2\right)\\ ...& ...& ...& ...\\ a_1\left(s\right)& a_2\left(s\right)& ...& a_d\left(s\right)\end{array}\right];$步骤二：以第s+28天假设为需求响应日采用第d种方案，即相似日组合矩阵A中的a_d(s)为例进行基线负荷的预测；2a：计算相似日的加权系数m＝1,2,……,d；F_m(s)为以第s+28天作为需求响应日时第m个相似日的综合相似度2b：计算修正系数m＝1,2,…,d；2c：计算修正后的相似日负荷P'_m(s,j)＝c_m(s)×P_m(s,j)m＝1,2,…,d；j＝I,I+1,…,I+J；2d：计算基线负荷预测值$P_{basic,d}(s,j)=\underset{m=1}{\overset{d}{\Σ}}{\mathrm{\ω}}_m\left(s\right){P^{\′}}_m(s,j)$m＝1,2,…,d；j＝I,I+1,…,I+J；2e：得到第d种方案的基线负荷预测值矩阵$\[P_{basic,d}\]=\left[\begin{array}{cccc}{P}_{basic,d}(1,I)& P_{basic,d}(1,I+1)& ...& P_{basic,d}(1,I+J)\\ P_{basic,d}(2,I)& P_{basic,d}(2,I+1)& ...& P_{basic,d}(2,I+J)\\ ...& ...& ...& ...\\ P_{basic,d}(s,I)& P_{basic,d}(s,I+1)& ...& P_{basic,d}(s,I+J)\end{array}\right];$步骤三：相似日组合矩阵A中最优相似日天数组合选取；3a：计算相似日组合矩阵A中每种方案平均相对误差${\mathrm{MRE}}_l=\frac{{\mathrm{MRE}}_l\left(1\right)+{\mathrm{MRE}}_l\left(2\right)+...+{\mathrm{MRE}}_l\left(s\right)}{s};$3b：比较每种方案的MRE_l，选取MRE_l最小的方案中的天数值作为最优相似日天数组合。