一种基于相似日优化筛选的短期负荷预测方法技术

本发明专利技术公开了一种基于相似日优化筛选的短期负荷预测方法，步骤为：历史负荷数据及温度数据获取及预处理得到数据集；基于最小绝对收缩选择算子算法对不同时刻的温度值对应负荷值进行拟合，确定温度在24小时每一时刻的完整解路径；基于温度对于负荷的拟合度要求，将24小时的全部时刻划分为关键时刻与非关键时刻；给定关键时刻与非关键时刻不同权重，计算历史温度数据与预测日温度数据间加权欧式距离，构建相似日集；基于相似日集中负荷数据及温度因素数据，构建差分自回归移动平均模型；结合预测日当天的温度数据，以及前两日的负荷数据，利用ARIMA模型预测当天负荷。本发明专利技术提高了负荷预测精度。

A Short-term Load Forecasting Method Based on Similar Days Optimal Screening

【技术实现步骤摘要】
一种基于相似日优化筛选的短期负荷预测方法
本专利技术涉及电力系统短期负荷预测领域，特别是一种基于相似日优化筛选的短期负荷预测方法。
技术介绍
电力系统短期负荷预测是指从已知的电力系统及对应经济、社会、气象等影响因素出发，通过对历史数据的分析和研究，获知影响因素与负荷变化规律之间的内在联系，预报未来几小时至1天的电力负荷。作为能量管理系统的重要组成部分，其结果需要应用于制定发电计划、进行电力市场需求分析、编排调度计划等多个方面，对于电力系统经济安全运行具有重要意义(张昀.电力系统短期负荷智能化预测方法研究[D].重庆大学,2011)。在我国经济高速发展的今天，如何获取精确短期负荷预测结果，已成为一项重要而艰巨的问题。目前预测方法主要包括以时间序列为代表的传统方法和以人工神经网络为代表的智能方法(DrezgaI,RahmanS.InputvariableselectionforANN-basedshort-termloadforecasting[J].IEEETransactionsonPowerSystemsPwrs,1998,13(4):1238-1244)。前者主要基于数理统计，包本文档来自技高网...

【技术保护点】
1.一种基于相似日优化筛选的短期负荷预测方法，其特征在于，包括以下步骤：1)对历史数据进行标准化处理；2)利用标准化后的历史数据，获得温度的关键时刻特征集Tsel及非关键时刻特征集Tnon‑sel；3)根据预测日的气象数据，同时分配Tsel及Tnon‑sel不同权重，计算Tsel及Tnon‑sel的所有时刻的加权欧式距离，通过距离排序确定与预测日气象数据距离较小的M组历史日作为相似日样本；4)基于步骤3)选择的历史日建立ARIMA负荷预测模型，确定ARIMA负荷预测模型中的待估计参数值；5)基于已建立的ARIMA负荷预测模型，根据预测日温度数据及相关负荷数据，完成预测日负荷预测。

【技术特征摘要】
1.一种基于相似日优化筛选的短期负荷预测方法，其特征在于，包括以下步骤：1)对历史数据进行标准化处理；2)利用标准化后的历史数据，获得温度的关键时刻特征集Tsel及非关键时刻特征集Tnon-sel；3)根据预测日的气象数据，同时分配Tsel及Tnon-sel不同权重，计算Tsel及Tnon-sel的所有时刻的加权欧式距离，通过距离排序确定与预测日气象数据距离较小的M组历史日作为相似日样本；4)基于步骤3)选择的历史日建立ARIMA负荷预测模型，确定ARIMA负荷预测模型中的待估计参数值；5)基于已建立的ARIMA负荷预测模型，根据预测日温度数据及相关负荷数据，完成预测日负荷预测。2.根据权利要求1所述的基于相似日优化筛选的短期负荷预测方法，其特征在于，步骤2)的具体实现过程包括：1)对24小时的温度数据进行归一化，使得平均值和方差δ2＝1，得到自变量X；2)使用PCA处理24小时电网负荷数据以获得一组低维向量，中心化该低维向量以获得因变量y；3)使用最小角度回归算法求解逐步选择特征变量直到完成全部自变量的求解路径；其中α是常数项，βj为第j时刻温度的回归系数，xij是自变量X中第i行第j列元素，yi为因变量y中第i行元素，其与X中第i行所有元素相对应；n代表总观测量即因变量y的维度；p为总预测器即温度自变量X的列维度；所述因变量y即电网负荷数据降维再中心化后的数据；4)根据拟合度的要求，不断引入新的特征变量，直到拟合度满足要求，完成特征提取；5)计算所有时刻温度对负荷的影响特征值，该所有时刻温度对负荷的影响特征值构成关键时刻特征集Tsel，提取关键时刻特征集Tsel。3.根据权利要求2所述的基于相似日优化筛选...

【专利技术属性】
技术研发人员：刘绚，尚银辉，于宗超，文云峰，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43