一种局部形相似超短期负荷预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种局部形相似超短期负荷预测方法及装置，本发明专利技术实施例对超短期负荷预测的对象按节假日和正常日进行划分后，采用灰色关联分析法计算气象相似系数，结合样本日和预测日之间的时间相似系数选取合适的相似日，且考虑负荷曲线的总体相似与局部相似之间的差异，在总体相似的基础上分析预测时刻负荷和前面若干时刻负荷的内在规律，采用欧式距离法对局部形态相似度进行判断，精细化选取样本负荷。

Method and apparatus for local shape similarity super short term load forecasting

The embodiment of the invention discloses a local shape of ultra short term load forecasting method and device, the embodiment of the invention of ultra short term load forecasting according to normal day holidays and division, analysis of meteorological similarity coefficient by grey correlation, combined with the sample and forecast on the time between similarity coefficients selected similar day, and consider the difference in the overall load curve is similar with the local similarity between the prediction and analysis of inherent law of moment load and front load moments based on the overall similarity, to determine local shape similarity using the Euclidean distance method, fine sample load.

【技术实现步骤摘要】

本专利技术涉及超短期负荷预测领域，尤其涉及一种局部形相似超短期负荷预测方法及装置。
技术介绍
超短期负荷预测是指未来1至2小时以内的负荷预测,主要用于安全监视、预防性控制和紧急状态处理。在电力市场中,超短期负荷预报的结果直接影响电网和各电厂的经济利益,因此对超短期负荷预测的精度提出了更高的要求。超短期负荷预测通常采用的思路是利用负荷数据的周期性,基于最近数日负荷数据在相同时段内变化的相近特性,分析预测时刻负荷和前面若干时刻负荷的内在规律,构成相关特性。其中最近数日可以扩展为相似日。预测时刻负荷和前面若干时刻负荷的内在规律可通过线性、非线性回归、模型辨识、神经网络逼近等方法获得。这样就形成了各种不同的预测算法,如线性外推法、时间序列法、卡尔曼滤波法、人工神经网络法等。近年来国内外学者在以上传统超短期负荷预测方法的基础上,又提出了许多改进的超短期负荷预测方法取得了良好的效果。实际研究中发现,超短期负荷预测的难点仍然在于对拐点处的负荷预测。分析其原因,现有大多数方法实质都是在选取了相似日,即保证预测负荷曲线与相似日负荷曲线总体形状相似的基础上,在预测中采用各相似日分别预测,将预测结果取平均值作为最终预测结果；以负荷曲线间的欧氏距离大小、即值相似作为分配各预测结果权重的依据。而要想提高预测精度,特别是拐点处的预测精度,关键在于保证预测曲线与相似曲线的形态相似。因此，提供一种在考虑多种相似因素选取合适的相似日基础上，再选择预测时刻前若干点进行局部形态相似的分析，以此为基础采用线性外推的方法进行超短期系统负荷预测的考虑预测日类型划分的局部形相似超短期负荷预测方法及装置是本领域技术人员需要解决的技术问题。
技术实现思路
本专利技术实施例提供了一种局部形相似超短期负荷预测方法及装置，在考虑多种相似因素选取合适的相似日基础上，再选择预测时刻前若干点进行局部形态相似的分析，以此为基础采用线性外推的方法进行超短期系统负荷预测。本专利技术实施例提供了一种局部形相似超短期负荷预测方法，包括：选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本；通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数，通过时间相似公式计算所述预测日负荷和所述节假日负荷样本之间的第一时间相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二时间相似系数；根据所述第一气象相似系数和所述第一时间相似系数对所述节假日负荷样本进行选取得到节假日相似样本，根据所述第二气象相似系数和所述第二时间相似系数对所述非节假日负荷样本进行选取得到非节假日相似样本；通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度。优选地，所述通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度之后还包括：根据所述第一相似度和所述第二相似度选取第一计算权重系数和第二计算权重系数，根据所述节假日相似样本和所述第一计算权重系数计算得到节假日典型负荷曲线，据所述非节假日相似样本和所述第二计算权重系数计算非节假日典型负荷曲线。优选地，所述根据所述第一相似度和所述第二相似度选取第一计算权重系数和第二计算权重系数，根据所述节假日相似样本和所述第一计算权重系数计算得到节假日典型负荷曲线，据所述非节假日相似样本和所述第二计算权重系数计算非节假日典型负荷曲线之后还包括：根据所述节假日典型负荷曲线与所述实测负荷的偏差计算得到节假日超短期负荷预测结果，根据所述非节假日典型负荷曲线与所述实测负荷的偏差计算得到非节假日超短期负荷预测结果。优选地，所述选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本之前还包括：根据节假日信息将时间历史数据分为节假日和非节假日。优选地，本专利技术实施例还提供了一种局部形相似超短期负荷预测装置，包括：第一选取单元，用于选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本；第一计算单元，用于通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数，通过时间相似公式计算所述预测日负荷和所述节假日负荷样本之间的第一时间相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二时间相似系数；第二选取单元，用于根据所述第一气象相似系数和所述第一时间相似系数对所述节假日负荷样本进行选取得到节假日相似样本，根据所述第二气象相似系数和所述第二时间相似系数对所述非节假日负荷样本进行选取得到非节假日相似样本；第二计算单元，用于通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度。优选地，本专利技术实施例提供的一种局部形相似超短期负荷预测装置，还包括：第三选取单元，用于根据所述第一相似度和所述第二相似度选取第一计算权重系数和第二计算权重系数，根据所述节假日相似样本和所述第一计算权重系数计算得到节假日典型负荷曲线，据所述非节假日相似样本和所述第二计算权重系数计算非节假日典型负荷曲线。优选地，本专利技术实施例提供的一种局部形相似超短期负荷预测装置，还包括：第三计算单元，用于根据所述节假日典型负荷曲线与所述实测负荷的偏差计算得到节假日超短期负荷预测结果，根据所述非节假日典型负荷曲线与所述实测负荷的偏差计算得到非节假日超短期负荷预测结果。优选地，本专利技术实施例提供的一种局部形相似超短期负荷预测装置，还包括：划分单元，用于根据节假日信息将时间历史数据分为节假日和非节假日。优选地，所述第一计算单元包括：第一计算子单元，用于通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数；第二计算子单元，用于通过时间相似公式计算所述预测日负荷和所述节假日负荷样本之间的第一时间相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二时间相似系数。优选地，所述第二选取单元包括：第一选取子单元，用于根据所述第一气象相似系数和所述第一时间相似系数对所述节假日负荷样本进行选取得到节假日相似样本；第二选取子单元，用于根据所述第二气象相似系数和所述第二时间相似系数对所述非节假日负荷样本进行选取得到非节假日相似样本。从以上技术方案可以看出，本专利技术实施例具有以下优点：本专利技术实施例提供了一种局部形相似超短期负荷预测方法及装置，其中，该局部形相似超短期负荷预测方法包括：选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本；通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数，通过时间相似公本文档来自技高网...

【技术保护点】
一种局部形相似超短期负荷预测方法，其特征在于，包括：选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本；通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数，通过时间相似公式计算所述预测日负荷和所述节假日负荷样本之间的第一时间相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二时间相似系数；根据所述第一气象相似系数和所述第一时间相似系数对所述节假日负荷样本进行选取得到节假日相似样本，根据所述第二气象相似系数和所述第二时间相似系数对所述非节假日负荷样本进行选取得到非节假日相似样本；通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度。

【技术特征摘要】
1.一种局部形相似超短期负荷预测方法，其特征在于，包括：选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本；通过灰色关联分析法计算预测日负荷和所述节假日负荷样本之间的第一气象相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二气象相似系数，通过时间相似公式计算所述预测日负荷和所述节假日负荷样本之间的第一时间相似系数，以及所述预测日负荷和所述非节假日负荷样本之间的第二时间相似系数；根据所述第一气象相似系数和所述第一时间相似系数对所述节假日负荷样本进行选取得到节假日相似样本，根据所述第二气象相似系数和所述第二时间相似系数对所述非节假日负荷样本进行选取得到非节假日相似样本；通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度。2.根据权利要求1所述的局部形相似超短期负荷预测方法，其特征在于，所述通过欧式距离计算所述预测日负荷的实测负荷与所述节假日相似样本之间的第一相似度，以及所述预测日负荷的实测负荷与所述非节假日相似样本之间的第二相似度之后还包括：根据所述第一相似度和所述第二相似度选取第一计算权重系数和第二计算权重系数，根据所述节假日相似样本和所述第一计算权重系数计算得到节假日典型负荷曲线，据所述非节假日相似样本和所述第二计算权重系数计算非节假日典型负荷曲线。3.根据权利要求2所述的局部形相似超短期负荷预测方法，其特征在于，所述根据所述第一相似度和所述第二相似度选取第一计算权重系数和第二计算权重系数，根据所述节假日相似样本和所述第一计算权重系数计算得到节假日典型负荷曲线，据所述非节假日相似样本和所述第二计算权重系数计算非节假日典型负荷曲线之后还包括：根据所述节假日典型负荷曲线与所述实测负荷的偏差计算得到节假日超短期负荷预测结果，根据所述非节假日典型负荷曲线与所述实测负荷的偏差计算得到非节假日超短期负荷预测结果。4.根据权利要求3所述的局部形相似超短期负荷预测方法，其特征在于，所述选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和非节假日负荷样本之前还包括：根据节假日信息将时间历史数据分为节假日和非节假日。5.一种局部形相似超短期负荷预测装置，其特征在于，包括：第一选取单元，用于选取以当前时间为起点，至少前3年的全部节假日负荷和至少前3个月的全部非节假日负荷，得到节假日负荷样本和...

【专利技术属性】
技术研发人员：董超，刘嘉宁，邸鹏宇，杜江，蓝新斌，杨民京，李炎，沈茂亚，吴炳祥，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：广东;44