[发明专利]一种日电力负荷预测方法及预测装置

摘要

本发明公开了一种日电力负荷预测方法及预测装置，属于电力系统短期负荷预测领域，方法包括：对于待预测日中的任意第t个时刻，对S天历史负荷数据采样以得到S个第一负荷序列；对第一负荷序列进行归一化，并从归一化结果中获得S天中每一天的目标负荷序列；分别获得S天中每一天以及待预测日的有效影响因素序列并进行归一化；以目标负荷序列和归一化之后的有效影响因素序列为输入，利用已训练好的日电力负荷预测模型预测待预测日中第t个时刻的负荷值；日电力负荷预测模型包括级联的复合网络和第二RBF神经网络，复合网络由ELMAN神经网络、BP神经网络以及第一RBF神经网络并列构成。本发明能够提高对电力系统日负荷的预测精度和数据利用效率。

主权项

1.一种日电力负荷预测方法，其特征在于，包括：(1)对于待预测日中的任意第t个时刻，以每天M个采样点的采样率对S天历史负荷数据进行采样，以得到S个第一负荷序列；(2)对采样得到的第一负荷序列进行归一化，并从归一化的结果中获得所述S天中每一天的目标负荷序列；(3)分别获得所述S天中每一天的有效影响因素序列，并获得所述待预测日的有效影响因素序列；(4)对所获得的有效影响因素序列进行归一化；(5)以所获得的目标负荷序列和归一化之后的有效影响因素序列为输入，利用已训练好的日电力负荷预测模型预测所述待预测日中第t个时刻的负荷值；(6)对于所述待预测日中的每一个时刻，分别执行步骤(1)～(5)，以实现对所述待预测日的日电力负荷预测；其中，所述目标负荷序列包括第t‑1个时刻、第t个时刻以及第t+1个时刻的负荷值，所述有效影响因素序列包括一个或多个外部影响因素的取值，M、S和t均为正整数；所述日电力负荷预测模型包括级联的复合网络和第二RBF神经网络，所述复合网络由ELMAN神经网络、BP神经网络以及第一RBF神经网络并列构成，所述复合网络中各神经网络分别用于根据历史负荷数据预测和有效影响因素数据预测日电力负荷，所述第二RBF神经网络用于对所述复合网络中各神经网络的预测结果进行融合与修正，以得到所述待预测日中第t个时刻的负荷值。