【技术实现步骤摘要】
计及复杂气象影响的母线峰值负荷预测方法
本专利技术属于母线峰值负荷预测
，特别是涉及到一种计及复杂气象影响的母线峰值负荷预测方法。
技术介绍
母线峰值负荷历史数据有限、波动剧烈且呈现非线性和随机性特点，预测精度低且预测困难问题成为亟待解决的难题，如何提高母线峰值负荷预测精度已经成为亟待解决的课题。母线峰值负荷预测是电力系统保障可靠稳定运行的重要依据，分析和研究提高母线峰值负荷预测精度的方法具有十分重要的意义。目前，对于母线负荷预测，已有很多研究，分别针对母线负荷特点，优化了母线负荷预测，但是没有充分分析自然气象、社会等多种因素对母线负荷的影响，考虑众多因素时，没有进行特征选择，而且也没有考虑到不同母线影响因素的不同，没有对不同母线负荷的影响因素开展针对性特征选择，并且也没有在此基础上，建立针对性母线负荷预测模型。现有涉及峰荷预测研究多针对城市级电网峰值负荷的影响因素和预测方法开展，虽然现有研究一定程度上提高了峰荷预测精度，但尚未有针对峰值负荷预测中，历史数据有限的小样本问题开展针对性分析。因此现有技术当...
【技术保护点】
1.计及复杂气象影响的母线峰值负荷预测方法，其特征是：包括以下步骤，并且以下步骤顺次进行，/n步骤一、基于自然气象和社会因素对母线峰值负荷预测精度的影响，根据自然气象和社会因素构建母线峰值负荷预测的原始特征集合，通过条件互信息(Conditional MutualInformation，CMI)分析原始特征集合中各特征与母线峰值负荷间的相关性，获得特征重要度排序；/n步骤二、通过改进粒子群算法优化极限学习机的输入权和阈值，获得改进粒子群优化的极限学习机(Improved Particle Swarm Optimization-Extreme Learning Machine...
【技术特征摘要】
1.计及复杂气象影响的母线峰值负荷预测方法，其特征是：包括以下步骤，并且以下步骤顺次进行，
步骤一、基于自然气象和社会因素对母线峰值负荷预测精度的影响，根据自然气象和社会因素构建母线峰值负荷预测的原始特征集合，通过条件互信息(ConditionalMutualInformation，CMI)分析原始特征集合中各特征与母线峰值负荷间的相关性，获得特征重要度排序；
步骤二、通过改进粒子群算法优化极限学习机的输入权和阈值，获得改进粒子群优化的极限学习机(ImprovedParticleSwarmOptimization-ExtremeLearningMachine，IPSO-ELM)，然后以IPSO-ELM预测精度为决策变量，根据步骤一中获得的特征重要度排序结果开展针对性前向特征选择，获得母线峰值负荷预测的最优特征子集，根据获得的最优特征子集重新训练IPSO-ELM得到最优母线峰值负荷预测模型；
步骤三、将历史数据中设定时间段内的测试集数据代入步骤二中获得的最优母线峰值负荷预测模型中，获得母线峰值负荷的预测值；
步骤四、通过线型模型分别对极端高温条件下母线峰值负荷和极端低温条件下母线峰值负荷进行统计，根据统计结果得知母线峰值负荷与极端高温和极端低温均具有线性关系；
步骤五、利用最小二乘法对极端高温和极端低温与母线峰值负荷进行线性拟合，分别获得极端温度条件下母线1和母线2的峰值负荷预测的线性模型如下：
极端高温条件下，母线1峰值负荷预测的线性模型为：
极端低温条件下，母线1峰值负荷预测的线性模型为：
极端高温条件下，母线2峰值负荷预测的线性模型为：
极端低温条件下，母线2峰值负荷预测的线性模型为：
公式中：为极端高温条件下母线1的峰值负荷；为极端高温条件下母线2的峰值负荷；为极端低温条件下母线1的峰值负荷；为极端低温条件下母线2的峰值负荷；T为极端温度。
2.根据权利要求1所述的计及复杂气象影响的母线峰值负荷预测方法，其特征是：所述自然气象包括经度、纬度、温度、气压、湿度、风向和风速。
3.根据权利要求1所述的计及复杂气象影响的母线峰值负荷预测方法，其特征是：所述社会因素包括日期和节假日。
4.根据权利要求1所述的计及复杂气象影响的母线峰...
【专利技术属性】
技术研发人员：朱赫炎，张明理，于长永，蒋理，刘靖波，徐维懋，潘霄，宋坤，卢天琪，邬桐，南哲，梁毅，黄南天，贺庆奎，
申请(专利权)人：国网辽宁省电力有限公司经济技术研究院，国家电网有限公司，东北电力大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。