[发明专利]一种电力负荷预测的方法

摘要

本发明属于电力负荷的预测、管理和控制领域，具体为一种电力负荷预测的方法，涉及数据采集模块、学习模块和预测模块。数据采集模块负责采集采集电力负荷的历史数据，并对数据进行筛选，得出负荷时间序列Y，然后对负荷时间序列Y进行归一化处理得出预处理序列O。学习模块负责对预处理序列O进行学习得出预测正弦函数模型W(t)。预测模块根据预测正弦函数模型求出预测数据序列F。本发明基于分析电力负荷的这一周期性变化趋势的特点，采用正弦函数模型作为预测数据的基础模型，与现有技术相比，具有贴合电力负荷数据实际变化的优点，为了克服采用正弦函数作为基础模型误差相对较大的缺点，本发明还采用重复学习的方法，提高预测的准确性。

主权项

一种电力负荷预测的方法，其特征在于：涉及数据采集模块、学习模块和预测模块，上述模块执行以下步骤：(a)数据采集模块按时间顺序采集电力负荷的历史数据，得出负荷时间序列Y，对负荷时间序列Y进行归一化处理，得出预处理序列O；(b)学习模块将预处理序列O拟合得出一个正弦函数S(t)，根据正弦函数S(t)得出基础序列L₁，(c)学习模块将预处理序列O和基础序列L₁相减得出基础残差序列e；(d)学习模块求出基础残差序列e的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则正弦函数S(t)为预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则继续执行以下步骤(e)至(g)；(e)学习模块对基础残差序列e进行拟合，得出残差正弦函数Q(t)，根据残差正弦函数Q(t)得出残差序列M；(f)学习模块求出残差序列M的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则将正弦函数S(t)和残差正弦函数Q(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则进入重复学习步骤：根据残差序列M_i(i＝1,2,3,…,n)，拟合得出预测残差正弦函数P_i(t)(i＝1,2,3,…,n),根据P_i(t)得出预测残差序列N_i，利用公式M₊₁＝M_i‑N_i，求出下一个残差序列M_i+1，根据M_i+1拟合得出P_i+1(t)，根据P_i+1(t)得出预测残差序列N_i+1；每次运算得出的预测残差序列N_i后，计算该预测残差序列N_i均方根误差，将该均方根误差与预设的阀值对比，若小于预设阀值，则停止重复学习步骤，若大于预设阀值，则继续重复学习步骤；(g)停止重复学习步骤后，将正弦函数S(t)和与残差正弦函数Q(t)和所有预测残差正弦函数P_i(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测序列F。