考虑重大社会活动影响的地区中短期日最大负荷预测方法技术

本发明专利技术公开了一种考虑重大社会活动影响的地区中短期日最大负荷预测方法。现有的预测方法聚焦因素在于时间、天气、周期等，未考虑或无法适应重大社会活动发生时日最大负荷极度反常的情况。本发明专利技术采用的技术方案为：将地区最大负荷逐日排列成曲线，即形成地区日最大负荷波，采用离散小波变换方法对地区日最大负荷波进行计算处理，得到分频波形后，对各个频段负荷分别采用灰色预测模型及反馈型支持向量机进行预测，最后将得到的分频预测结果进行重构得到预测总结果。本发明专利技术合理提取日最大负荷特征，解决了重大社会活动因素背景下负荷趋势模糊、量化难的情况，能对重大社会活动期间进行合理中短期负荷预测。

Maximum short-term load forecasting method for regions with major social impacts

The invention discloses a method for predicting the maximum short-term load in a region considering the influence of a major social activity. Existing forecasting methods focus on factors such as time, weather, cycles, etc. they do not consider or can not adapt to major social events in the course of time, and the maximum load is extremely abnormal. The technical scheme of the invention is as follows: the daily maximum load area are arranged in a curve, which form the area of daily maximum load wave, using the discrete wavelet transform method to calculate the area of daily maximum load wave processing, get frequency waveform, for each frequency band load respectively using grey forecasting model and feedback forecasting support vector machine finally, the predicted results frequency were reconstructed to obtain the prediction results. The invention extracts the daily maximum load characteristics reasonably, and solves the situation that the load trend is vague and difficult to quantify under the condition of major social activities, and can carry out reasonable, medium and short-term load forecasting during the period of major social activities.

【技术实现步骤摘要】
考虑重大社会活动影响的地区中短期日最大负荷预测方法
本专利技术涉及负荷预测领域，具体地说是一种考虑重大社会活动影响的地区中短期日最大负荷预测方法。
技术介绍
目前，负荷预测的方法主要分两大类：传统预测方法和智能预测方法。传统方法主要包括：弹性系数法、回归分析法、时间序列预测法、产值单耗法及它们的衍化方法。智能方法主要包括神经网络、模糊逻辑、专家系统等。现有的预测方法聚焦因素在于时间、天气、周期等，未考虑或无法适应重大社会活动(例如G20峰会、2008年奥运会等国际活动)发生时日最大负荷极度反常的情况。
技术实现思路
为解决上述现有技术存在的问题，本专利技术提供一种能对重大社会活动期间进行日最大负荷合理预测的地区中短期日最大负荷预测方法。本专利技术采用的技术方案如下：考虑重大社会活动影响的地区中短期日最大负荷预测方法，其将地区最大负荷逐日排列成曲线，即形成地区日最大负荷波，采用离散小波变换方法对地区日最大负荷波进行计算处理，得到分频波形后，对各个频段负荷分别采用灰色预测模型及反馈型支持向量机进行预测，最后将得到的分频预测结果进行重构得到预测总结果。进一步地，所述地区日最大负荷波即原始波s，本文档来自技高网...

【技术保护点】
考虑重大社会活动影响的地区中短期日最大负荷预测方法，其特征在于，将地区最大负荷逐日排列成曲线，即形成地区日最大负荷波，采用离散小波变换方法对地区日最大负荷波进行计算处理，得到分频波形后，对各个频段负荷分别采用灰色预测模型及反馈型支持向量机进行预测，最后将得到的分频预测结果进行重构得到预测总结果。

【技术特征摘要】
1.考虑重大社会活动影响的地区中短期日最大负荷预测方法，其特征在于，将地区最大负荷逐日排列成曲线，即形成地区日最大负荷波，采用离散小波变换方法对地区日最大负荷波进行计算处理，得到分频波形后，对各个频段负荷分别采用灰色预测模型及反馈型支持向量机进行预测，最后将得到的分频预测结果进行重构得到预测总结果。2.根据权利要求1所述的地区中短期日最大负荷预测方法，其特征在于，所述地区日最大负荷波即原始波s，采用离散小波分解为低频部分sa及高频部分sa’，然后对sa’进一步分解为s1和s1’，再对s1’进行分解得到s2和s3，其中一次分解的低频部分sa为基波，代表整体波形趋势，s1～s3是时域上各次谐波。3.根据权利要求2所述的地区中短期日最大负荷预测方法，其特征在于，对逐日最大负荷序列进行分解，按照下面公式：式中，j为分解尺度，k、m为平移系数，sj,m为原始波，sj+1,k为分解后低频部分尺度系数；s'j+1,k为高频部分小波系数；h(m-2k)＝{ψ,φj-1,i}，g(m-2k)＝{φj,φj-1,i}，上式中，φj、φj-1,i为尺度函数，其对应关系为：第j-1层尺度函数的排列通过高通滤波h(k)后，得到第j层尺度函数φj；ψ为小波函数，n为采样点数量。4.根据权利要求2所述的地区中短期日最大负荷预测方法，其特征在于，对于基波sa，采用灰色预测模型对其做独立预测处理：对于数据X＝[x1,x2,...,xn]，同时xi≥0，i＝1,2,..,n，累加求得一阶AGO，得X1＝[x11,x21,...,xn1]，式中建立微分方程最小二乘法求解得其中将a,u带回方程，设k为偏移系数，得：5.根据权利要求2所述的地区中短期日最大负荷预测方法，其特征在于，高频部分s1～s3采用反馈型支持向量机计算，逻辑如下：支持向量机采用以下极小化优化模型来确定回归函数，即：式中：θ为权值向量；为模型复杂度的数学表达式；α为平衡系数；ψi*、ψi为松弛因子；yi为第i个样本输出量，φ(x)是将数据映射到高维空间的非线性变换函数；b为偏置量；ε为误差上限值；通过引入lagrange乘子λi和所述的极小化优化模型转化为以下对偶优化问题予以求解：

【专利技术属性】
技术研发人员：何英静，王曦冉，沈舒仪，来聪，章敏捷，熊军，石国超，但扬清，周林，李帆，郁丹，
申请(专利权)人：国网浙江省电力公司经济技术研究院，国家电网公司，
类型：发明
国别省市：浙江,33