【技术实现步骤摘要】
本专利技术涉及电力系统运行与控制领域，具体涉及一种非正常工况下的城市中长期用电量预测方法。
技术介绍
1、在新能源装机比例逐渐增高的现代电力系统里，电力行业受非正常工况事件影响的持续时间和严重程度进一步增加了电力系统的不确定性，对于电网的调度和规划都带来相应的困难，并对电力和能源部门造成了运行可靠性下降、电力市场电价波动和电力规划延迟等不利影响。但目前对于上述非正常工况事件的发生对电力行业影响的研究相对较少，缺少对非正常工况条件下电力系统中长期时间尺度的电量预测。因此为了分析非正常工况事件对城市用电量的影响，建立公共卫生事件、战争事件等的发生后电力电量变化的预测模型，进一步分析其城市电力电量的未来发展趋势，为中长期电力系统运行调度的可靠性和经济性提供有力支撑。
技术实现思路
1、为了解决上述技术问题，本专利技术提出一种非正常工况下的城市中长期用电量预测方法，包括下述步骤：
2、s1：提供非正常工况运行状态的定义；
3、s2：近n年城市月用电量的时间序列作为正常工况状...
【技术保护点】
1.一种非正常工况下的城市中长期用电量预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述S2中，首先利用排序函数f(xij)计算月用电量时间序列中相关元素的序位关系并挖掘其变化规律，在此基础上给出周期性波动矩阵与排序矩阵的定义，用电量时间序列初始矩阵式(1)，其排序矩阵式(2)，
3.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述S3中，得到月用电量缺额时间序列的方式为：采用分数阶灰色预测模型，将季节波动特征作为模型的驱动项，季节波动排序后...
【技术特征摘要】
1.一种非正常工况下的城市中长期用电量预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s2中，首先利用排序函数f(xij)计算月用电量时间序列中相关元素的序位关系并挖掘其变化规律，在此基础上给出周期性波动矩阵与排序矩阵的定义，用电量时间序列初始矩阵式(1)，其排序矩阵式(2)，
3.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s3中，得到月用电量缺额时间序列的方式为：采用分数阶灰色预测模型，将季节波动特征作为模型的驱动项，季节波动排序后的用电量时间序列作为预测模型的输入，得到未考虑非正常工况事件发生时的城市月用电量时间序列，将正常工况用电量时间序列与非正常工况事件发生后的实际用电量时间序列作差。
4.根据权利要求3所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s3中，根据s2中经波动特征处理过后的正常工况数据集，用前一定比例的数据作为训练数据训练分数阶多变量灰色预测模型，用后剩余比例的数据作为测试数据用于检验模型预测误差，并通过粒子群优化算法对其模型的参数及阶数r*进行优化：
5.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s4中，构建出非正常工况下的特征参数数据集的方式为：进行非正常工况条件下的特征参数定义，根据其参数特点进行实义量化和归一化处理。
6.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s5中，对s4中构建的数据集，利用格兰杰因果关系处理实现特征参数的融合和降维以降低模型输入数据的复杂度，利用granger因果关系分析有效剔除数据集中的以下两类特征因子：一类是与城市用电量缺额无关的因素，为冗余变量；另一类是在电量缺额条件下造成的结果，为结果变量；
7.根据权利要求1所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，所述s6中，采用限制向量自回归模型，捕捉多个时间序列之间的映射关系，实现预测模型的构建,将前一定比例的数据集作为训练集，进行限制var模型参数的训练：
8.根据权利要求7所述的一种非正常工况下的城市中长期用电量预测方法，其特征在于，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行...
【专利技术属性】
技术研发人员：叶林，武振荣，沙立成，张再驰，刘辉，于希娟，赵瑞，王海云，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：
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。