[发明专利]基于连续功率谱分析的电力负荷预测优化方法

摘要

本发明公开了一种基于连续功率谱分析的电力负荷预测优化方法，采用连续功率谱分析方法，提取电力负荷时间序列中隐含的显著周期序列并分离得到残差序列，采用基于粒子群算法优化的BP神经网络对显著周期序列进行预测，获得各显著周期序列的预测结果；采用粒子群算法优化的RBF神经网络对残差序列的一阶差分序列进行预测，后经差分反运算得到残差序列的预测结果，最后将平均电力负荷时间序列的平均值与各显著周期序列的预测结果以及残差序列的预测结果相加获得最终预测结果。本发明针对电力负荷数据的周期性特点，建立预测模型能够大幅提高短期电力负荷预报精度。

主权项

一种基于连续功率谱分析的电力负荷预测优化方法，其特征在于：包括读入原始采样电力负荷时间序列，并按预报间隔要求将其转换为平均电力负荷时间序列，然后计算出平均电力负荷时间序列的距平序列；采用连续功率谱分析方法，提取平均电力负荷时间序列的距平序列中隐含的显著周期序列，并分离得到残差序列；采用粒子群算法优化的BP神经网络对显著周期序列进行预测，获得各显著周期序列的预测结果；采用粒子群算法优化的RBF神经网络对残差序列的一阶差分序列进行预测，后经差分反运算得到残差序列的预测结果；将平均电力负荷时间序列的平均值与各显著周期序列的预测结果以及残差序列的预测结果相加获得最终预测结果。