一种趋势与波动分治的家庭负荷短期预测方法技术

本发明专利技术公开了一种趋势与波动分治的家庭负荷短期预测方法，涉及电力负荷分析技术领域。包括：对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列并分解为主要趋势序列、附生趋势序列、残留波动序列；将主要趋势序列和环境数据输入主要趋势预测模型，得到主要趋势预测数据；将附生趋势序列和环境数据输入附生趋势预测模型，得到附生趋势预测数据；将残留波动序列和环境数据输入残留波动预测模型，得到残留波动预测数据；将主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据。本发明专利技术将原始的家庭负荷数据进行分解，关联环境数据，能够提高家庭负荷预测的精确度。精确度。精确度。

【技术实现步骤摘要】
一种趋势与波动分治的家庭负荷短期预测方法


[0001]本专利技术涉及电力负荷分析
，尤其涉及一种趋势与波动分治的家庭负荷短期预测方法。

技术介绍

[0002]随着智能电表的广泛普及，家庭用户用电数据可以实时快速得到采集，使基于用户用电数据预测家庭电力负荷成为可能。由于家庭成员的行为对家庭用电有重要影响，而人的行为又具有随机性且受众多因素影响，因此，与大区域、长时间尺度的电力负荷相比，数十分钟到一天级的短期家庭负荷具有更强的随机性和不平稳性，使家庭负荷短期预测的精度面临挑战，家庭负荷预测是电力系统最具挑战性的任务之一。
[0003]现有技术提出了不同的家庭短期负荷预测方案，包括基于统计学方法、数据挖掘方法、支持向量机、神经网络等对家庭负荷进行时间序列预测，或者将家庭负荷与气象因素联合进行家庭负荷时间序列预测等。但是由于缺乏针对电力系统运行特性和家庭用电行为特性去提取负荷时间序列中更多的信息，难以准确实现家庭负荷的预测。

技术实现思路

[0004]本专利技术目的在于，提供一种趋势与波动分治的家庭负荷短期预测方法，将原始的家庭负荷数据进行分解，关联环境数据，以提高家庭负荷预测的精确度。
[0005]为实现上述目的，本专利技术提供一种趋势与波动分治的家庭负荷短期预测方法，包括：
[0006]对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列；
[0007]将主要趋势序列和环境数据输入主要趋势预测模型，得到主要趋势预测数据；将附生趋势序列和环境数据输入附生趋势预测模型，得到附生趋势预测数据；将残留波动序列和环境数据输入残留波动预测模型，得到残留波动预测数据；其中，所述环境数据包括家庭总人数、家庭上班人数、家庭上学人数、目标预测时段的气温和风速，以及目标预测时段；
[0008]将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据。
[0009]优选地，所述对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列，包括：
[0010]基于移动平均的家庭原始负荷序列分解，得到主要趋势序列和主级波动序列；
[0011]基于移动平均的主级波动序列分解，得到附生趋势预测序列和残留波动预测序列。
[0012]优选地，所述主要趋势序列的计算公式包括：
[0013][0014]其中，l1(n)表示主要趋势序列在时段n的值，i表示计数变量，M1表示家庭原始负荷移动平均处理的时间窗口长度，l
ori
(n)表示家庭原始负荷序列在时段n的值。
[0015]优选地，所述附生趋势序列的计算公式包括：
[0016]B1(n)＝l
ori
(n)
‑
l1(n)
[0017][0018]其中，B1(n)表示家庭负荷的主级波动序列在时段n的值，l
ori
(n)表示家庭原始负荷序列在时段n的值，l1(n)表示主要趋势序列在时段n的值，l2(n)表示附生趋势序列在时段n的值，M2表示家庭负荷主级波动移动平均处理的时间窗口长度。
[0019]优选地，所述残留波动序列的计算公式包括：
[0020]B2(n)＝B1(n)
‑
l2(n)
[0021]其中，B2(n)表示残留波动序列在时段n的值，B1(n)表示家庭负荷的主级波动序列在时段n的值，l2(n)表示附生趋势序列在时段n的值。
[0022]优选地，所述将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据，包括：
[0023]将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型；
[0024]当出现多次预测出同一个时段的家庭负荷时，用后预测出的结果覆盖先预测出的结果，得到家庭负荷预测数据。
[0025]本专利技术还提供一种趋势与波动分治的家庭负荷短期预测系统，包括：
[0026]分解模块，用于对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列；
[0027]预测模块，用于将主要趋势序列和环境数据输入主要趋势预测模型，得到主要趋势预测数据；将附生趋势序列和环境数据输入附生趋势预测模型，得到附生趋势预测数据；将残留波动序列和环境数据输入残留波动预测模型，得到残留波动预测数据；其中，所述环境数据包括家庭总人数、家庭上班人数、家庭上学人数、目标预测时段的气温和风速，以及目标预测时段；
[0028]合成模块，用于将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据。
[0029]优选地，所述分解模块具体包括：
[0030]第一分解单元，用于采用移动平均法对家庭原始负荷序列进行分解，得到主要趋势序列和主级波动序列；
[0031]第一分解单元，用于采用移动平均法对主级波动序列进行分解，得到附生趋势预测数据和残留波动预测数据。
[0032]本专利技术还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与
所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的趋势与波动分治的家庭负荷短期预测方法。
[0033]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的趋势与波动分治的家庭负荷短期预测方法。
[0034]与现有技术相比，本专利技术具有以下有益效果：
[0035]本专利技术公开了一种趋势与波动分治的家庭负荷短期预测方法，包括：对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列；将主要趋势序列和环境数据输入主要趋势预测模型，得到主要趋势预测数据；将附生趋势序列和环境数据输入附生趋势预测模型，得到附生趋势预测数据；将残留波动序列和环境数据输入残留波动预测模型，得到残留波动预测数据；其中，所述环境数据包括家庭总人数、家庭上班人数、家庭上学人数、目标预测时段的气温和风速，以及目标预测时段；将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据。本专利技术将原始的家庭负荷数据进行分解，关联环境数据，能够提高家庭负荷预测的精确度。
附图说明
[0036]为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种趋势与波动分治的家庭负荷短期预测方法，其特征在于，包括：对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列；将主要趋势序列和环境数据输入主要趋势预测模型，得到主要趋势预测数据；将附生趋势序列和环境数据输入附生趋势预测模型，得到附生趋势预测数据；将残留波动序列和环境数据输入残留波动预测模型，得到残留波动预测数据；其中，所述环境数据包括家庭总人数、家庭上班人数、家庭上学人数、目标预测时段的气温和风速，以及目标预测时段；将所述主要趋势预测数据、附生趋势预测数据和残留波动预测数据输入家庭负荷合成模型，得到家庭负荷预测数据。2.根据权利要求1所述的趋势与波动分治的家庭负荷短期预测方法，其特征在于，所述对家庭负荷数据集进行分段求均值，并按照时间先后排列得到家庭原始负荷序列，将所述家庭原始负荷序列分解为主要趋势序列、附生趋势序列、残留波动序列，包括：基于移动平均的家庭原始负荷序列分解，得到主要趋势序列和主级波动序列；基于移动平均的主级波动序列分解，得到附生趋势预测序列和残留波动预测序列。3.根据权利要求2所述的趋势与波动分治的家庭负荷短期预测方法，其特征在于，所述主要趋势序列的计算公式包括：其中，l1(n)表示主要趋势序列在时段n的值，i表示计数变量，M1表示家庭原始负荷移动平均处理的时间窗口长度，l
ori
(n)表示家庭原始负荷序列在时段n的值。4.根据权利要求3所述的趋势与波动分治的家庭负荷短期预测方法，其特征在于，所述附生趋势序列的计算公式包括：B1(n)＝l
ori
(n)
‑
l1(n)其中，B1(n)表示家庭负荷的主级波动序列在时段n的值，l
ori
(n)表示家庭原始负荷序列在时段n的值，l1(n)表示主要趋势序列在时段n的值，l2(n)表示附生趋势序列在时段n的值，M2表示家庭负荷主级波动移动平均处理的时间窗口长度。5.根据权利要求4所述的趋势与波动分治的家庭负荷短期预测方法，其特征在于，所述残留波动序列的计算公式包括：B2(n)＝B1(n)
‑
...

【专利技术属性】
技术研发人员：潘峰，招景明，冯浩洋，杨雨瑶，马键，党三磊，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：