【技术实现步骤摘要】
本专利技术涉及工业短期负荷区间预测领域，更具体地说，它涉及工业短期电力负荷区间预测方法、装置、设备及介质。
技术介绍
1、电能是现代工业生产和生活中不可或缺的重要二次能源。其中电力负荷包括工业负荷、居民负荷和商业负荷等。以钢铁工业电力负荷为例，钢铁工业电力负荷呈现明显的波动性、非线性、弱特征性，传统方法基于统计模型、机器学习和单一预测模型的点预测方法难以捕捉负荷序列的偶然性、随机性，很难精准实现每一个时刻点的预测，并且在工程实际中电力系统具有冗余性，在点预测基础上提供区间预测能够更好的安排备用容量、火电机组开机计划等。
2、目前，在电力负荷区间预测方法中，通过分位数回归方法对功率进行区间预测，需要预先确定分位点和回归模型，精度不高、且计算量较大；基于变分模态分解(vmd)和相关向量机的短期区间预测，结果需依赖于核函数的选择；采用bootstrap重抽样法构造伪样本得到预测功率误差区间，需要处理的数据量较多，耗时较长。
技术实现思路
1、本专利技术的目的是提供工业短期电力负荷区间...
【技术保护点】
1.一种工业短期电力负荷区间预测方法，其特征在于，方法包括：
2.根据权利要求1所述的工业短期电力负荷区间预测方法，其特征在于，对历史电力负荷数据进行重构，获得高频分量、振荡分量和趋势分量，包括：
3.根据权利要求2所述的工业短期电力负荷区间预测方法，其特征在于，所述模糊熵计算函数是在样本熵中引入模糊隶属度函数得到的。
4.根据权利要求3所述的工业短期电力负荷区间预测方法，其特征在于，所述模糊熵计算函数的表达式为：其中，n表示模糊函数的指数，r表示阈值容限，m表示特征向量的维数大小，N表示样本数量，表示m维模糊隶属函数，表示m+1维
【技术特征摘要】
1.一种工业短期电力负荷区间预测方法，其特征在于，方法包括：
2.根据权利要求1所述的工业短期电力负荷区间预测方法，其特征在于，对历史电力负荷数据进行重构，获得高频分量、振荡分量和趋势分量，包括：
3.根据权利要求2所述的工业短期电力负荷区间预测方法，其特征在于，所述模糊熵计算函数是在样本熵中引入模糊隶属度函数得到的。
4.根据权利要求3所述的工业短期电力负荷区间预测方法，其特征在于，所述模糊熵计算函数的表达式为：其中，n表示模糊函数的指数，r表示阈值容限，m表示特征向量的维数大小，n表示样本数量，表示m维模糊隶属函数，表示m+1维模糊隶属函数。
5.根据权利要求1所述的工业短期电力负荷区间预测方法，其特征在于，在所述对历史负荷数据进行重构之前，方法还包括：在检测到历史负荷数据存在异常数据时，对异常数据进行预处理处理；其中，异常数据是指历史负荷数据缺失单一数据和/或区段数据；在异常数据为缺失单一数据时，采用均值法对缺失数...
【专利技术属性】
技术研发人员：陈小龙，陈峦，张真源，杨礼岩，李瑞琴，张溪宇，童怀志，张宇浩，胥勇，秦峻龙，
申请(专利权)人：国网四川省电力公司成都供电公司，
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。