一种基于云模型的短期负荷预测方法技术

本发明专利技术涉及一种基于云模型的短期负荷预测方法，首先基于季节，日类型和气象因素建立一个三层分类模型，通过相关系数法提取第三级指标，即气象因素影响负荷大小的特征量，根据特征量对负荷影响的机理不同制定相应打分标准，利用隶属度函数得到各个三级指标的分值，其中分值越大表明该指标使得负荷量越大。然后根据各个指标的重要性利用层次分析法求取各个指标的权值，并基于云模型，求取加权偏离度，绘制云图，通过云图对负荷进行分类。最后求取预测日按特征量获得的分值，根据负荷分类，将其归入所属类别，基于bp神经网络，利用负荷所属类别的负荷数据作为训练样本，对预测日的负荷进行预测。本发明专利技术具有较高的分类识别准确性，有较强的适应性。

【技术实现步骤摘要】

本专利技术属于电力系统
，尤其是涉及一种基于云模型的短期负荷预测方法。
技术介绍
短期负荷预测是负荷预测的重要组成部分，电力系统短期负荷预测主要指预报未来几小时、一天至几天的电力负荷，是制定调度计划、供电计划、交易计划的基础，对于保障电力系统的安全与稳定运行至关重要。目前短期负荷预测的方法较多，但随着电力生产和消费日益市场化，对负荷预测的准确性、实时性和可靠性要求越来越高。负荷随时间处于动态变化之中，气象因素、日类型、季节类型等对负荷影响较大，要提高短期负荷预测精度，需综合考虑影响负荷的多个因素。现有预测技术能够达到一定预测精度，但随着电力行业的快速发展，电力负荷的性质和负荷量同时也在快速变化，需有新的预测方法适应未来电力负荷预测的需要。基于云模型的短期负荷预测方法将评价方法中的打分法应用在负荷预测领域，提出一种电力负荷预测新思路。该方法将影响负荷的定性指标和定量指标通过统一规范化处理，求取加权偏离度并绘制云图，负荷分类直观、有效，具有较好的应用前景。
技术实现思路
本专利技术主要解决负荷预测中负荷分类问题，对影响负荷的定性指标和定量指标提出一种较为实用的规范化处理方法，并提供一种直观有效的负荷分类云图。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于云模型的短期负荷预测方法，其特征在于：基于一个三层负荷分类模型，该三层负荷分类模型是基于季节，日类型和气象因素建立的一个三层负荷分类模型；分别是：四个一级指标的分类模型：具体是根据季节不同，分别建立春、夏、秋、冬四个一级指标的分类模型；三个二级指标模型：在一级指标模型下，根据日类型的不同，将日类型分成普通工作日，周末、节假日三个二级指标模型；一个分层多级指标模型：将气象因素作为第三级指标，对负荷进一步进行分类；所述气象因素包括日天气类型(晴，多云，阴，雨，雪)，温度(最高温度，最低温度，平均温度)，风速，湿度。按气象指标进行分类时，需综合考虑日天气类型，温度，风速和湿度等表征天气特征的参量。对于直接量化的指标，如温度，风速和湿度，可采取线性映射，或分段映射。以温度为例，取当地高温阈值和低温阈值，假设高温为30℃和33℃，低温为0℃和4℃。对于4℃到30℃采用线性映射取值，取值随温度变化不大；30℃到33℃之间，采用另一组线性映射取值，取值随温度变化较大；温度高于33℃，采用非线性映射取值，低温区间的处理办法与高温区间相同。对于日天气类型等定性指标，按分类进行映射。具体包括以下步骤：步骤1：提取第三级指标负荷分类的特征量，根据相关系数法分析影响负荷的相关因素。R=cov(X,Y)D(X)D(Y)]]>式一其中，R为相关系数；cov(X,Y)为X和Y的协方差,分别为X和Y均方差。步骤2：建立定性指标和定量指标的打分标准，利用隶属度函数得到第三级指标各个特征量的分值。分值越大表明该特征量使负荷量越大；具体包括以下子步骤：步骤2.1：根据步骤1获得第三级指标中影响负荷量的相关因素，其中分别有定性指标和定量指标，定性指标为天气类型；定量指标有日最高温度，日最低温度，日平均温度，风速,湿度等。定性指标直接进行打分，定量指标利用隶属度函数进行打分；步骤2.2：将定性指标，即天气类型分值划分为五个区间，分别为[0,a1],[a1,a2],[a2,a3],[a3,a4],[a4,100],分别代表负荷量小，较小，一般，较多，多。取区间相应均值作为落入该区间的天气类型的分值，即Exi=cmin+cmax2]]>式二其中cmin、cmax分别为相应区间的边界值，Exi为对应天气类型下的分值，a1，a2，a3，a4均为相应天气类型下取值区间的边界值，边界值求取方法如下所述。定性指标打分标准为依据历史负荷相关数据，在其他各种指标大致相同情况下，分别计算晴天、多云、阴天、雨天、雪天历史负荷量，取出最小负荷值，分别用其他天气类型下的负荷值与最小负荷值相除，得出相应比值；按照比值从小到大，分别将相应的天气类型归入上述五个取值区间，并根据比值确定相应的各个区间边界值。步骤2.3：对定量指标，建立相应隶属度函数，利用隶属度函数进行打分。建立隶属函数即建立一个从论域到[0，1]上的映射，来反映某对象具有某种模糊性质或属于某个模糊概念的程度。具体的程度值大小即为隶属度。将隶属函数分成成本型、效益型和适中型三种。即相应的三级指标特征量和负荷量分别成反比、正比和区间类型。确定四个典型评分点(d1，20)、(d2，40)、(d3，60)、(d4，80)并以曲线的首末点为评分值等于0和100的点。依据这六个典型点，即可确定对应于该指标的隶属函数，即指标评分标准函数。针对每一个定量指标，具体评分标准包括以下子步骤：步骤2.3.1：日最高温度，日最低温度，日平均温度三个定量指标对负荷量的影响是相同的，且温度对负荷呈现正向影响的关系。根据当地地区气温区间的划分，低温区间和高温区间随着温度的变化隶属度函数取值变化较大，在常温区间，随着温度的变化隶属度函数取值变化较为平缓。再基于步骤3.3确定6个打分点，相邻两个打分点之间呈线性变化，即可构造出温度指标的打分函数。步骤2.3.2：风速与温度对负荷的影响相同，也呈现正向影响关系，根据温度指标的打分方法，对风速制定相同的打分标准。步骤2.3.3：湿度对负荷呈现反向影响的关系，湿度低时负荷高，湿度高时负荷低。根据步骤2.3.1和2.3.2相同的处理方式构造湿度的打分函数。步骤3：根据第三级指标各个特征量的重要性利用层次分析法求取各个特征量的权值，基于权值和各个特征量的分值求和得出某日负荷获得的总分；步骤3.1：三级指标包括天气类型、温度、风速、湿度。利用相关系数法求得各指标对负荷的相关程度，依据相关程度列写判断矩阵，即对三级指标中的两两元素进行比较，建立一个矩阵表，矩阵的行和列按顺序依次为日天气类型、日最高温度、日最低温度、日平均温度、风速、湿度，将以上各个特征量分别标号为1,2,3,4,5,6。记cij为矩阵的元素，如c15表示日天气类型和风速两个特征量进行比较后取值。矩阵C具有如下性质：(1)cij＞0(2)cij＝1/cji(i≠j)(3)cii＝1(i,j＝1,2,…,n)步骤3.2：为了使判断矩阵定量化，形成数值判断矩阵，基于一种常用的1～9标度方法，将判断定量化本文档来自技高网...

【技术保护点】
一种基于云模型的短期负荷预测方法，其特征在于：基于一个三层负荷分类模型，该三层负荷分类模型是基于季节，日类型和气象因素建立的一个三层负荷分类模型；分别是：四个一级指标的分类模型：具体是根据季节不同，分别建立春、夏、秋、冬四个一级指标的分类模型；三个二级指标模型：在一级指标模型下，根据日类型的不同，将日类型分成普通工作日，周末、节假日三个二级指标模型；一个分层多级指标模型：将气象因素作为第三级指标，对负荷进一步进行分类；所述气象因素包括日天气类型(晴，多云，阴，雨，雪)，温度(最高温度，最低温度，平均温度)，风速，湿度；按气象指标进行分类时，需综合考虑日天气类型，温度，风速和湿度等表征天气特征的参量；对于直接量化的指标，温度，风速和湿度，能够都采取线性映射或分段映射；具体包括以下步骤：步骤1：提取第三级指标负荷分类的特征量，根据相关系数法分析影响负荷的相关因素；R=cov(X,Y)D(X)D(Y)]]>   式一其中，R为相关系数；cov(X,Y)为X和Y的协方差,分别为X和Y均方差；步骤2：建立定性指标和定量指标的打分标准，利用隶属度函数得到第三级指标各个特征量的分值；分值越大表明该特征量使负荷量越大；具体包括以下子步骤：步骤2.1：根据步骤1获得第三级指标中影响负荷量的相关因素，其中分别有定性指标和定量指标，定性指标为天气类型；定量指标有日最高温度，日最低温度，日平均温度，风速,湿度；定性指标直接进行打分，定量指标利用隶属度函数进行打分；步骤2.2：将定性指标，即天气类型分值划分为五个区间，分别为[0,a1],[a1,a2],[a2,a3],[a3,a4],[a4,100],分别代表负荷量小，较小，一般，较多，多；取区间相应均值作为落入该区间的天气类型的分值，即Exi=cmin+cmax2]]>   式二其中cmin、cmax分别为相应区间的边界值，Exi为对应天气类型下的分值，a1，a2，a3，a4均为相应天气类型下取值区间的边界值，边界值求取方法如下所述；定性指标打分标准为依据历史负荷相关数据，在其他各种指标大致相同情况下，分别计算晴天、多云、阴天、雨天、雪天历史负荷量，取出最小负荷值，分别用其他天气类型下的负荷值与最小负荷值相除，得出相应比值；按照比值从小到大，分别将相应的天气类型归入上述五个取值区间，并根据比值确定相应的各个区间边界值；步骤2.3：对定量指标，建立相应隶属度函数，利用隶属度函数进行打分；建立隶属函数即建立一个从论域到[0，1]上的映射，来反映某对象具有某种模糊性质或属于某个模糊概念的程度；具体的程度值大小即为隶属度；将隶属函数分成成本型、效益型和适中型三种；即相应的三级指标特征量和负荷量分别成反比、正比和区间类型；确定四个典型评分点(d1，20)、(d2，40)、(d3，60)、(d4，80)并以曲线的首末点为评分值等于0和100的点；依据这六个典型点，即可确定对应于该指标的隶属函数，即指标评分标准函数；针对每一个定量指标，具体评分标准包括以下子步骤：步骤2.3.1：日最高温度，日最低温度，日平均温度三个定量指标对负荷量的影响是相同的，且温度对负荷呈现正向影响的关系；根据当地地区气温区间的划分，低温区间和高温区间随着温度的变化隶属度函数取值变化较大，在常温区间，随着温度的变化隶属度函数取值变化较为平缓；再基于步骤3.3确定6个打分点，相邻两个打分点之间呈线性变化，即可构造出温度指标的打分函数；步骤2.3.2：风速与温度对负荷的影响相同，也呈现正向影响关系，根据温度指标的打分方法，对风速制定相同的打分标准；步骤2.3.3：湿度对负荷呈现反向影响的关系，湿度低时负荷高，湿度高时负荷低；根据步骤2.3.1和2.3.2相同的处理方式构造湿度的打分函数；步骤3：根据第三级指标各个特征量的重要性利用层次分析法求取各个特征量的权值，基于权值和各个特征量的分值求和得出某日负荷获得的总分；步骤3.1：三级指标包括天气类型、温度、风速、湿度；利用相关系数法求得各指标对负荷的相关程度，依据相关程度列写判断矩阵，即对三级指标中的两两元素进行比较，建立一个矩阵表，矩阵的行和列按顺序依次为日天气类型、日最高温度、日最低温度、日平均温度、风速、湿度，将以上各个特征量分别标号为1,2,3,4,5,6；记cij为矩阵的元素，如c15表示日天气类型和风速两个特征量进行比较后取值；矩阵C具有如下性质：(1)cij＞0(2)cij＝1/cji(i≠j)(3)cii＝1(i,j＝1,2,…,n)步骤3.2：为了使判断矩阵定量化，形成数值判断矩阵，基于一种常用的1～9标度方法，将判断定量化；具体定量方法描述为：标度为1时，表示两元素相比，具有同样的重要性；标度为3时，表示两元素相比，前者比后者稍重要；标度为5时，表示两元素相比，前者比后者明显重...

【技术特征摘要】
1.一种基于云模型的短期负荷预测方法，其特征在于：基于一个三层负
荷分类模型，该三层负荷分类模型是基于季节，日类型和气象因素建立的
一个三层负荷分类模型；分别是：
四个一级指标的分类模型：具体是根据季节不同，分别建立春、夏、秋、
冬四个一级指标的分类模型；
三个二级指标模型：在一级指标模型下，根据日类型的不同，将日类型
分成普通工作日，周末、节假日三个二级指标模型；
一个分层多级指标模型：将气象因素作为第三级指标，对负荷进一步进
行分类；所述气象因素包括日天气类型(晴，多云，阴，雨，雪)，温度(最
高温度，最低温度，平均温度)，风速，湿度；按气象指标进行分类时，需
综合考虑日天气类型，温度，风速和湿度等表征天气特征的参量；对于直
接量化的指标，温度，风速和湿度，能够都采取线性映射或分段映射；
具体包括以下步骤：
步骤1：提取第三级指标负荷分类的特征量，根据相关系数法分析影响
负荷的相关因素；
R=cov(X,Y)D(X)D(Y)]]>式一
其中，R为相关系数；cov(X,Y)为X和Y的协方差,分
别为X和Y均方差；
步骤2：建立定性指标和定量指标的打分标准，利用隶属度函数得到第
三级指标各个特征量的分值；分值越大表明该特征量使负荷量越大；具体

\t包括以下子步骤：
步骤2.1：根据步骤1获得第三级指标中影响负荷量的相关因素，其中
分别有定性指标和定量指标，定性指标为天气类型；定量指标有日最高温
度，日最低温度，日平均温度，风速,湿度；定性指标直接进行打分，定量
指标利用隶属度函数进行打分；
步骤2.2：将定性指标，即天气类型分值划分为五个区间，分别为[0,a1],
[a1,a2],[a2,a3],[a3,a4],[a4,100],分别代表负荷量小，较小，一般，
较多，多；取区间相应均值作为落入该区间的天气类型的分值，即
Exi=cmin+cmax2]]>式二
其中cmin、cmax分别为相应区间的边界值，Exi为对应天气类型下的分值，
a1，a2，a3，a4均为相应天气类型下取值区间的边界值，边界值求取方法
如下所述；
定性指标打分标准为依据历史负荷相关数据，在其他各种指标大致相同
情况下，分别计算晴天、多云、阴天、雨天、雪天历史负荷量，取出最小
负荷值，分别用其他天气类型下的负荷值与最小负荷值相除，得出相应比
值；按照比值从小到大，分别将相应的天气类型归入上述五个取值区间，
并根据比值确定相应的各个区间边界值；
步骤2.3：对定量指标，建立相应隶属度函数，利用隶属度函数进行打
分；建立隶属函数即建立一个从论域到[0，1]上的映射，来反映某对象具有
某种模糊性质或属于某个模糊概念的程度；具体的程度值大小即为隶属度；
将隶属函数分成成本型、效益型和适中型三种；即相应的三级指标特征量
和负荷量分别成反比、正比和区间类型；确定四个典型评分点(d1，20)、

\t(d2，40)、(d3，60)、(d4，80)并以曲线的首末点为评分值等于0和100的
点；依据这六个典型点，即可确定对应于该指标的隶属函数，即指标评分
标准函数；针对每一个定量指标，具体评分标准包括以下子步骤：
步骤2.3.1：日最高温度，日最低温度，日平均温度三个定量指标对负
荷量的影响是相同的，且温度对负荷呈现正向影响的关系；根据当地地区
气温区间的划分，低温区间和高温区间随着温度的变化隶属度函数取值变
化较大，在常温区间，随着温度的变化隶属度函数取值变化较为平缓；再
基于步骤3.3确定6个打分点，相邻两个打分点之间呈线性变化，即可构造
出温度指标的打分函数；
步骤2.3.2：风速与温度对负荷的影响相同，也呈现正向影响关系，根
据温度指标的打分方法，对风速制定相同的打分标准；
步骤2.3.3：湿度对负荷呈现反向影响的关系，湿度低时负荷高，湿度
高时负荷低；根据步骤2.3.1和2.3.2相同的处理方式构造湿度的打分函数；
步骤3：根据第三级指标各个特征量的重要性利用层次分析法求取各个
特征量的权值，基于权值和各个特征量的分值求和得出某日负荷获得的总
分；
步骤3.1：三级指标包括天气类型、温度、风速、湿度；利用相关系数
法求得各指标对负荷的相关程度，依据相关程度列写判...

【专利技术属性】
技术研发人员：夏怀民，周想凌，杨军，王新普，邢杰，邱丹，刘焱，郝婉梦，陈杰军，李扬，
申请(专利权)人：国网湖北省电力公司，湖北华中电力科技开发有限责任公司，武汉大学，
类型：发明
国别省市：湖北;42