专利名称：一种电力日负荷的混沌卡尔曼滤波模型安全监控预测方法
技术领域：
本发明涉及一种电力日负荷的混沌卡尔曼滤波模型安全监控预测方法，即以电力日负荷为研究对象，基于混沌理论，重构电力负荷相空间，并把卡尔曼滤波技术引入混沌相空间中，提取电力负荷的动力学信息特征，探讨负荷相空间中的非线性预测方案，然后应用到实际预测和安全监 测中的物理建模分析方法，属于电力领域。背景技术：
电力负荷数据作为水资源开发、优化配置、水库调度的重要依据。电力负荷预测对电力系统的安全经济运行起着十分重要的作用。电力系统的日负荷安全预测是电网为安排购电计划和输电方案的制定服务。实践中取得的电力负荷时间序列呈现出复杂性、不确定性、非线性的特点。基于混沌理论，重构电力负荷相空间，结合卡尔曼滤波模型，研究如何提取电力负荷的动力学信息特征，探讨负荷相空间中的非线性预测方案，再应用到实际预测和安全监测中是非常有意义的。
发明内容
本发明提出的一种电力日负荷的混沌卡尔曼滤波模型安全监控预测方法，其技术方案如下。I、采集电力系统日负荷数据构成日负荷时间序列。2、分析电力系统日负荷时间序列的混沌特性，计算日负荷序列的饱和关联维数。3、对混沌时间序列，选取合适的嵌入维数m和延迟时间τ，重构m维混沌相空间，得到N=n-(m_l) τ个相点。4、以相点为状态变量建立如式⑴、(2)所示系统的状态空间模型。系统的状态方程为
权利要求
1.一种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，所述方法其特征是依序包括如下步骤或特征 A采集电力系统日负荷数据构成日负荷时间序列； B分析电カ系统日负荷时间序列的混沌特性，计算日负荷序列的饱和关联维数； C对混沌时间序列，选取合适的嵌入维数 和延迟时间τ，重构 维混沌相空间，得到
2.权利要求I所述ー种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，其特征是所述D步骤依序包括如下步骤或特征 A系统的状态方程为
3.权利要求2所述ー种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，其特征是所述B步骤系统的输出方程中，模型噪声W和观测噪声!》为高斯白噪声，相互独立且与初始状态无关，模型误差协方差阵0和观测误差协方差阵ガ为半正定阵。
4.权利要求2所述ー种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，其特征是所述C步骤状态转移矩阵具有以下特征 A式中的各分量为非时变參数，由已知的多组观测数据用最小二乗法来估计； B误差协方差阵0和/ 初歩确定为常数阵后，在程序调试中优选； C设模型噪声的分配阵Γ为单位阵。
5.权利要求I所述ー种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，其特征是所述E步骤中系统初值对递推影响不大，会很快收敛到与初值无关的估计值上。
6.权利要求I所述ー种电カ日负荷的混沌卡尔曼滤波模型安全监控预测方法，其特征是所述G步骤计算卡尔曼增益时，其中C = [l O - O]。
全文摘要
本发明涉及一种电力日负荷的混沌卡尔曼滤波模型安全监控预测方法，以电力日负荷为研究对象，基于混沌理论，耦合卡尔曼滤波的非线性预测方案，并应用到实际预测和安全监测中的物理建模分析方法。其技术方案如下A.采集电力日负荷数据构成时间序列；B.分析电力系统日负荷时间序列的混沌特性；C.重构负荷相空间，得到空间相点；D.以相点为状态变量建立系统的状态空间模型；E.设定递推初始条件；F.预测均方误差阵；G.计算卡尔曼增益；H.计算均方误差阵；I.预测状态；J.对预测值进行滤波处理，直到预测完成。本发明说明电力日负荷具有混沌特性，耦合模型的预测精度高，能有效监测电力日负荷变化规律从而保障电力系统的安全经济运行。
文档编号G06F19/00GK102867128SQ20121036079
公开日2013年1月9日 申请日期2012年9月21日 优先权日2012年9月21日
发明者李眉眉, 黄正文, 第宝锋, 柯玲, 丁晶 申请人:四川大学