专利名称：基于聚类分析与灰靶理论的中长期电力负荷预测方法
技术领域：
本发明涉及一种基于聚类分析与灰靶理论的中长期电力负荷预测方法，该方法可用于年最大负荷、年用电量等电力负荷特性指标的中长期预测。
背景技术：
开展电力负荷预测是电网企业的一项重要工作，提高电力负荷预测的技术水平，有利于制定合理的电源建设规划，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于计划用电管理，有利于提高电力系统的经济效益和社会效益。电力负荷预测的研究经历了较长的过程，并形成了一些传统预测方法，但随着对预测精度要求的提升，同时受到负荷自身不确定性特征的影响，传统预测方法难以做出更高精度的预测。影响电力负荷的相关因素众多，且具有较强的不确定性和随机性，各因素间也存在着一定的相关性，因此当使用传统方法进行电力负荷预测时，在确定影响因素对被预测量的影响程度方面，由于影响因素之间的强相关性很可能导致信息重叠，使预测模型的准确度下降。迄今， 尚未见有关基于聚类分析与灰靶理论的中长期电力负荷预测方法的文献报道和实际应用。
发明内容
本发明的目的是提供的一种能够充分考虑影响因素之间的相关性并予以消除，准确分析各因素对于电力负荷的影响程度，提升电力负荷预测精度与准度的基于聚类分析与灰靶理论的中长期电力负荷预测方法。为实现上述目的，所采用的技术方案是:基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特征在于，它包括以下步骤:
(I)样本的分类与筛选
确定预测量的影响因素，观测各影响因素的样本数据，分析样本的模糊相似关系，根据样本的独特性、相似性、亲疏程度进行分类与筛选，
I)观测样本数据
设有》个样本，每个样本包括持续观测得到的/7个样本元素，观测数据矩阵I如下:
权利要求
1.基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特征在于，它包括以下步骤: (I)样本的分类与筛选 确定预测量的影响因素，观测各影响因素的样本数据，分析样本的模糊相似关系，根据样本的独特性、相似性、亲疏程度进行分类与筛选， 1)观测样本数据 设有》个样本，每个样本包括持续观测得到的/7个样本元素，观测数据矩阵I如下:
全文摘要
本发明是一种基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特点是充分考虑影响因素之间的相关性并予以消除，解决了其可能导致的预测准确度下降问题，准确分析各因素对于电力负荷的影响程度，提升负荷预测的精度，方法具有较强的适应性，可用于预测年最大负荷、年用电量等电力负荷特性指标。
文档编号G06Q10/04GK103226736SQ20131010158
公开日2013年7月31日 申请日期2013年3月27日 优先权日2013年3月27日
发明者王燕涛, 张雅超, 牛敏, 闫晶, 牛铎程, 韩洁平 申请人:东北电力大学, 吉林省电力有限公司吉林供电公司, 国家电网公司