一种利用模糊时间序列进行电力负载短期预测的方法技术

本发明专利技术涉及智能预测技术领域，公开了一种利用模糊时间序列进行电力负载短期预测的方法。选择n个输入数据作为移动平均的窗口大小；将窗口内的数据点取平均值，作为当前数据点的值；计算整个数据序列X的移动平均值，得到序列Z；从原始数据X中减去序列Z，获得去趋势序列Y。构建预测模型：定义序列Y的论域U；将论域U划分为有序的子集；定义模糊集A；利用模糊函数将每个输入模糊化，并确定所属模糊集；建立模糊逻辑关系；建立模糊逻辑关系组。预测：将已知t时刻的历史数据模糊化，并确定所属模糊集；匹配模糊逻辑关系组集合；计算权重；解模糊输出t+1时刻的估计值。解模糊输出t+1时刻的估计值。解模糊输出t+1时刻的估计值。

【技术实现步骤摘要】
一种利用模糊时间序列进行电力负载短期预测的方法


[0001]本专利技术涉及智能预测
，尤其涉及一种利用模糊时间序列进行电力负载短期预测的方法。

技术介绍

[0002]在现代社会中，电力负载预测是一个十分重要的问题。准确的电力负载预测可以帮助电力系统规划电力供应，提高电力系统的效率和可靠性。同时，在能源管理、智能制造等领域，电力负载预测也具有重要的应用价值。
[0003]传统的电力负载预测方法主要采用时间序列分析、回归分析等方法，这些方法的主要思想是利用历史数据预测未来的负载情况。然而，这些方法存在一些缺陷。例如，当电力负载存在突变或异常情况时，这些方法容易失效。此外，这些方法通常只考虑时间序列数据的变化趋势，无法很好地反映数据的周期性。
[0004]近年来，随着模糊数学的发展，模糊时间序列逐渐成为电力负载预测领域的研究热点。模糊时间序列考虑了时间序列数据的不确定性和模糊性，可以更好地处理电力负载中的异常情况和周期性变化，具有更高的预测精度和鲁棒性。

技术实现思路

[0005]为了解决传统电力负载预测方法存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，包括以下步骤：步骤1：数据预处理，将电力负载时序数据X去趋势化得到时序数据Y；步骤2：定义时序数据Y的论域U；步骤3：将论域U划分为有序子集；步骤4：定义模糊集，定义论域U上的模糊集,；步骤5：将数据Y模糊化，利用模糊函数将每个输入模糊化，并确定所属模糊集为隶属度最大的模糊集；步骤6：建立模糊逻辑关系，其中先件为t时刻的输入数据所属模糊集，后件为t+1时刻的输入数据所属模糊集；步骤7：建立模糊逻辑关系组；步骤8：匹配模糊逻辑关系组，在模糊逻辑关系组集合中匹配前件为的模糊逻辑关系组，得到：；步骤9：计算所匹配得到的模糊逻辑关系组后件集合的权重，权重为：；步骤10：输出t+1时刻的预测值：，m为区间的中点。2.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤1，通过在电力系统中采集电力负载时序数据X，利用移动平滑滤波器获得序列Z，去趋势的时序数据Y=X
‑
Z。3.根据权利要求2所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤1，通过在电力系统中采集电力负载时序数据X，将其输入到窗口大小为5的移动平滑滤波器获得序列Z，去趋势的时序数据Y...

【专利技术属性】
技术研发人员：王宇，
申请(专利权)人：山东省工业技术研究院，
类型：发明
国别省市：