基于偏差自校正的改进相似日短期负荷预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于偏差自校正的改进相似日短期负荷预测方法及装置，方法包括：获取预定历史日期的相关因素的特征向量以及待预测日的相关因素的特征向量；其中，所述相关因素包括对应日期的日类型以及气象信息；根据特征向量之间的距离获取与所述待预测日具有最高相关系数的历史日期，以得到最相似日；根据所述最相似日与所述待预测日的相关因素偏差、预先训练生成的负荷偏差与相关因素偏差的关联模型，生成与所述待预测日对应的负荷偏差；以及根据与所述待预测日对应的负荷偏差对所述最相似日的负荷曲线进行校正，以获得待预测日的负荷曲线。本发明专利技术能够提高短期负荷的预测准确度。

Improved Similar Days Short-term Load Forecasting Method and Device Based on Deviation Self-Correction

The invention discloses an improved short-term load forecasting method and device for similar days based on deviation self-correction. The method includes: acquiring characteristic vectors of relevant factors of predetermined historical date and relevant characteristic vectors of relevant factors of waiting forecasted date; the related factors include the type of corresponding date and meteorological information; acquiring and waiting according to the distance between characteristic vectors. The historical date with the highest correlation coefficient on the prediction day is used to obtain the most similar day; the load deviation corresponding to the prediction day is generated according to the correlation model of the related factors deviation between the most similar day and the day to be predicted, the load deviation generated by the pre-training and the related factors deviation; and the negative effect of the load deviation corresponding to the day to be predicted on the most similar day. The load curve is corrected to obtain the load curve of the day to be predicted. The invention can improve the prediction accuracy of short-term load.

【技术实现步骤摘要】
基于偏差自校正的改进相似日短期负荷预测方法及装置
本专利技术涉及电力
，尤其涉及一种基于偏差自校正的改进相似日短期负荷预测方法及装置。
技术介绍
负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。负荷预测根据目的的不同可以分为超短期、短期、中期和长期。超短期负荷预测是指未来1h以内的负荷预测，在安全监视状态下，需要5～10s或1～5min的预测值，预防性控制和紧急状态处理需要10min至1h的预测值。短期负荷预测是指日负荷预测和周负荷预测，分别用于安排日调度计划和周调度计划，包括确定机组起停、水火电协调、联络线交换功率、负荷经济分配、水库调度和设备检修等。中期负荷预测是指月至年的负荷预测，主要是确定机组运行方式和设备大修计划等。长期负荷预测是指未来3～5年甚至更长时间段内的负荷预测，主要是电网规划部门根据国民经济的发展和对电力负荷的需求，所作的电网改造和扩建工作的远景规划。对中、长期负荷预测，要特别研究国民经济发展、国家政策等的影响。短期负荷预测是电力系统安全经济运行的基础，随着新一轮电改以及我国电力本文档来自技高网...

【技术保护点】
1.一种基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，包括：获取预定历史日期的相关因素的特征向量以及待预测日的相关因素的特征向量；其中，所述相关因素包括对应日期的日类型以及气象信息；根据特征向量之间的距离获取与所述待预测日具有最高相关系数的历史日期，以得到最相似日；根据所述最相似日与所述待预测日的相关因素偏差、预先训练生成的负荷偏差与相关因素偏差的关联模型，生成与所述待预测日对应的负荷偏差；以及根据与所述待预测日对应的负荷偏差对所述最相似日的负荷曲线进行校正，以获得待预测日的负荷曲线。

【技术特征摘要】
1.一种基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，包括：获取预定历史日期的相关因素的特征向量以及待预测日的相关因素的特征向量；其中，所述相关因素包括对应日期的日类型以及气象信息；根据特征向量之间的距离获取与所述待预测日具有最高相关系数的历史日期，以得到最相似日；根据所述最相似日与所述待预测日的相关因素偏差、预先训练生成的负荷偏差与相关因素偏差的关联模型，生成与所述待预测日对应的负荷偏差；以及根据与所述待预测日对应的负荷偏差对所述最相似日的负荷曲线进行校正，以获得待预测日的负荷曲线。2.根据权利要求1所述的基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，所述气象信息至少包括以下其中之一：最高温度、最低温度、平均温度、平均湿度、累计降雨、平均风速。3.根据权利要求2所述的基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，在进行相关系数的计算过程中，定义若两个日期的日类型相同，则相似度为1；若两个日期同为工作日或者同为周末但日类型不同，则相似度为0.7；否则两个日期的相似度为0.4。4.根据权利要求1所述的基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，训练生成负荷偏差与相关因素偏差的关联模型的步骤具体为：获取第n日在t时刻的实际负荷Pn,t；获取与第n日对应的最相似日在t时刻的实际负荷并定义为负荷偏差；定义第n日在t时刻要考虑的相关因素Xn,t，最相似日在t时刻的相关因素为则定义为在t时刻的相关因素偏差；根据在不同时刻的负荷偏差以及对应的多个相关因素偏差进行训练，生成负荷偏差与多个相关因素偏差的关联模型：ΔPn,t＝f((Δxn,t)1,(Δxn,t)2,…,(Δxn,t)m)＝f(ΔXn,t)，其中，m为相关因素的数目。5.根据权利要求4所述的基于偏差自校正的改进相似日短期负荷预测方法，其特征在于，在训练关联模型时采用智能学习算法；其中，所述智能学习算法包括：支持向量机法、神经网络模型法、深度学习法、机器学习法。6.一种基于偏差自校正的改进相似...

【专利技术属性】
技术研发人员：蔡秋娜，张乔榆，刘思捷，闫斌杰，苏炳洪，
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