一种短期负荷预测方法和系统的制作方法
【技术领域】
[0001]本发明涉及电力工程技术领域，特别是涉及一种短期负荷预测方法和系统。
【背景技术】
[0002]短期负荷预测主要是指预报未来I?7日的电力负荷。只有在不同层次负荷预测的基础上，了解未来负荷的发展变化，才能有针对性地提出需求侧管理措施，改善负荷曲线。而目前，由于需求侧管理工作本身主观性，在具体实施中具有的不确定性，和具体实施效果的量化难度等复杂的条件因素，影响了一些负荷预测的理论基础，增加了短期负荷预测的难度，造成短期负荷预测的结果精度较低。
【发明内容】
[0003]有鉴于此，本发明实施例提供一种短期负荷预测方法和系统，以解决现有技术中造成短期负荷预测的结果精度较低的问题。
[0004]为实现上述目的，本发明实施例提供如下技术方案:
[0005]一种短期负荷预测方法，包括:
[0006]获取预测日的相似日的负荷曲线集合，并利用小波变换对所述负荷曲线集合内所有负荷曲线进行分解重构，得到负荷子曲线集合；
[0007]对所述负荷子曲线集合内所有负荷曲线进行负荷特性分析，将负荷特性分析结果通过组合负荷预测模型进行预测，得到初步负荷预测结果；其中，所述组合负荷预测模型包括至少两个单一负荷预测模型；
[0008]将所述初步负荷预测结果通过误差预测模型进行校正，将输出的校正结果作为所述预测日的负荷预测结果；其中，误差预测模块通过获取历史用电负荷数据，将所述历史用电负荷信息通过所述组合负荷预测模块得到预测值，得到所述预测值与真实值之间的误差序列，通过所述误差序列训练生成。
[0009]其中，所述获取预测日的相似日的负荷曲线集合包括:
[0010]选择相似日；
[0011]获取所有所述相似日的历史用电负荷数据；
[0012]通过聚类方法的方法提取各个所述相似日的历史用电负荷数据的负荷曲线，得到所有所述相似日的负荷曲线集合。
[0013]其中，所述选择相似日包括:
[0014]获取历史用电负荷数据，确定影响所述历史用电负荷数据的各个影响因素；
[0015]将所述各个影响因素作为所述历史负荷数据的日特征向量，通过模糊化规则将所述各个因素转换为数值，根据所述数值确定相似日。
[0016]其中，所述组合负荷预测模型包括两个单一负荷预测模型。
[0017]其中，所述利用小波变换对所述负荷曲线集合内所有负荷曲线进行分解重构，得到负荷子曲线集合包括:
[0018]利用小波变换将所述负荷曲线集合内所有负荷曲线分解重构为高频部分和低频部分；
[0019]分别得到高频负荷曲线和低频负荷曲线。
[0020]其中，所述对所述负荷子曲线集合内所有负荷曲线进行负荷特性分析，将负荷特性分析结果通过组合负荷预测模型进行预测，得到初步负荷预测结果；包括:
[0021]对所述高频负荷曲线和低频负荷曲线均进行负荷特性分析；
[0022]将所述高频负荷曲线的负荷特性分析结果通过BP神经网络模型进行负荷预测，得到高频初步负荷预测结果；
[0023]将所述低频负荷曲线的负荷特性分析结果通过自回归积分滑动平均ARIMA模型进行负荷预测，得到低频初步负荷预测结果；
[0024]根据预设权重，将所述高频初步负荷预测结果和所述低频初步负荷预测结果进行百分比相加，得到初步负荷预测结果。
[0025]其中，所述将所述初步负荷预测结果通过误差预测模型进行校正包括:
[0026]将所述初步负荷预测结果通过误差预测模型，得到所述初步负荷预测结果的误差曲线；
[0027]将所述初步负荷预测结果的初步负荷曲线和所述误差曲线进行叠加，将叠加后曲线进行输出。
[0028]其中，所述将输出的校正结果作为所述预测日的负荷预测结果后还包括:
[0029]获取所述预测日的实际负荷数据，计算所述实际负荷数据和所述负荷预测结果的预测负荷数据间的残差；
[0030]判断所述残差是否均小于预定数值，若不是，则根据所述残差训练得到新的组合预测模型，根据所述新的误差预测模型进行短期负荷预测。
[0031]一种短期负荷预测系统，包括:获取分解模块、初步预测模块和校正模块；其中，
[0032]所述获取分解模块，用于获取预测日的相似日的负荷曲线集合，并利用小波变换对所述负荷曲线集合内所有负荷曲线进行分解重构，得到负荷子曲线集合；
[0033]所述初步预测模块，用于对所述负荷子曲线集合内所有负荷曲线进行负荷特性分析，将负荷特性分析结果通过组合负荷预测模型进行预测，得到初步负荷预测结果；其中，所述组合负荷预测模型包括至少两个单一负荷预测模型；
[0034]所述校准模块，用于将所述初步负荷预测结果通过误差预测模型进行校正，将输出的校正结果作为所述预测日的负荷预测结果；其中，误差预测模块通过获取历史用电负荷数据，将所述历史用电负荷信息通过所述组合负荷预测模块得到预测值，得到所述预测值与真实值之间的误差序列，通过所述误差序列训练生成。
[0035]其中，所述短期负荷预测系统还包括:检测模块，用于
[0036]获取所述预测日的实际负荷数据，计算所述实际负荷数据和所述负荷预测结果的预测负荷数据间的残差；
[0037]判断所述残差是否均小于预定数值，若不是，则根据所述残差训练得到新的组合预测模型，根据所述新的误差预测模型进行短期负荷预测。
[0038]基于上述技术方案，本发明实施例提供的短期负荷预测方法和系统，其中，方法包括:获取预测日的相似日的负荷曲线集合，并利用小波变换对所述负荷曲线集合内所有负荷曲线进行分解重构，得到负荷子曲线集合；对所述负荷子曲线集合内所有负荷曲线进行负荷特性分析，将负荷特性分析结果通过组合负荷预测模型进行预测，得到初步负荷预测结果；其中，所述组合负荷预测模型包括至少两个单一负荷预测模型；将所述初步负荷预测结果通过误差预测模型进行校正，将输出的校正结果作为所述预测日的负荷预测结果；其中，误差预测模块通过获取历史用电负荷数据，将所述历史用电负荷信息通过所述组合负荷预测模块得到预测值，得到所述预测值与真实值之间的误差序列，通过所述误差序列训练生成。获取预测日的相似日的负荷曲线集合得到负荷子曲线集合后，通过组合负荷预测模型得进行初步预测，得到初步负荷预测结果，然后通过误差预测模型对获得的初步负荷预测结果进行校正，将校正后的负荷预测结果作为预测日的负荷预测结果，提高了短期负荷预测结果的精度，得到精度较高的负荷预测结果。
【附图说明】
[0039]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0040]图1为本发明实施例提供的短期负荷预测方法的流程图；
[0041]图2为本发明实施例提供的短期负荷预测方法中获取预测日的相似日的负荷曲线集合的方法流程图；
[0042]图3为本发明实施例提供的短期负荷预测方法中选择相似日的方法流程图；
[0043]图4为本发明实施例提供的短期负荷预测方法中得到负荷子曲线集合的方法流程图；
[0044]图5为本发明实施例提供的短期负荷预测方法中得到初步负荷预测结果的方法流程图；
[0045]图6为本发明实施例提供的短期负荷预测方法中将初步负荷预测结果通过误差预测模型进行校正的方法流程图；
[0046]图7为本发明实施例提供的短期负荷预测方法中对得到的负荷预测结果进行检验的方法流程图；
[0047]图8为本发明实施例提供的短期负荷预测系统的系统框图；
[0048]图9为本发明实施例提供的短期负荷预测系统的另一系统框图。
【具体实施方式】
[0049]下面将结