[发明专利]一种中长期电力负荷预测模型的构建方法

摘要

本发明涉及负荷预测相关技术领域，特别是涉及一种中长期电力负荷预测模型的构建方法，包括：搭建基于灰色线性回归模型(Grey linear regression model,GLRM)的中长期负荷预测模型；分析GLRM模型拟合误差的转移规律，建立误差状态转移矩阵；提出基于马尔科夫链(Markov Chain,MC)的预测误差定量估计方法；建立GLRM模型预测值的动态修正模型，构建中长期负荷预测的GLRM‑MC模型。该模型能够更好地把握实际负荷的内在变化规律，可以在提高模型预测精度的同时，提升拟合和预测效果的稳定性。

主权项

一种中长期电力负荷预测模型的构建方法，其特征在于，所述构建方法包括：S101、搭建基于GLRM的中长期负荷预测模型y(t)：式中：为对序列进行累减还原后得到的拟合预测值序列中，t＝1时的值，为序列中，t＝1时的值，为对新数列采用指数方程和线性回归方程的和来拟合生成新的序列，为对中长期负荷原始数列累加生成的新数列，中长期负荷原始数列中t＝1，2，...，n；S102、利用中长期负荷预测模型y(t)对进行拟合预测，得到拟合值序列Q′t，预测值序列Qt；其中Q′t＝y(t)，t＝1，2，...，n；Qt＝y(t)，t＝n+1，n+2，...，n+m，m为所需预测值个数；获得拟合数据的误差序列S103、分析GLRM模型拟合数据的误差序列D(t)的转移规律，建立误差的状态转移概率矩阵P；S104、提出基于MC的预测误差定量估计方法，获得预测误差定量估计值其中，Δh(Ek)和Δd(Ek)分别为负荷预测值误差所在状态Ek的上下限值；S105、根据步骤S102得到的拟合值序列、预测值序列以及步骤S104的预测误差定量值估计值来建立GLRM模型预测值的修正模型：其中，Δh(E)、Δd(E)表示t时刻误差最有可能所处状态的上下限值；S106、建立GLRM‑MC模型y*(t)：