本发明涉及一种基于偏差补偿的两阶段短期电网负荷的预测方法，属于电力系统负荷预测技术领域。
背景技术：
短期负荷预测指的是对未来几小时、一天甚至几天电力系统负荷的预测，短期负荷预测的精度直接影响到检修计划、机组组合、经济调度等的编排，进而对电力系统安全、经济运行产生影响。
短期负荷预测一直是国内外学者的研究重点，过去几十年来他们提出了很多种预测方法。这些预测方法主要分为两大类：一类是以时间序列法、回归预测法等为代表的传统方法；一类是以专家系统预测法、支持向量机法、人工神经网络法等为代表的智能预测方法。
然而，随着电力行业的不断发展，特别是电力市场化程度的提高，对短期负荷预测精度的要求也不断提高。因此，单一采用某种方法可能有时无法达到预测精度高的目标，难以适应调度运行实际工作的需要。国内外学者开始将传统方法与智能预测方法结合，应用于短期负荷预测。已有研究(tomonobusenjyu,parasmandal,katsumiuezato,toshihisafunabashi,“nextdayloadcurveforecastingusinghybridcorrectionmethod,”ieeetrans.powersyst.)将短期负荷预测分为三个阶段，第一阶段提出了负荷校正方法，以获取更加合适的历史负荷数据；第二阶段，考虑到相关因素的影响，采用人工神经网络算法对第一阶段所获取的历史负荷进行处理；第三阶段，采用模糊逻辑的方法对天气的季节性变化进行处理。尽管以该方法为代表的现有文献提出的一些方法极大提高了短期负荷预测的精度，但可能不一定适合中国的实际情况。
过去几十年来，如何提高短期负荷预测精度一直是困扰中国学术界和工业界的一大难题。主要原因如下：首先，电力需求以平均每年15％的速度增长，在这样的背景下，不论电量还是负荷曲线在一两年内都将发生很大的变化，因此，很难找到相似日负荷。然而，现有的多数方法都建立在相似日负荷的基础上，这些方法在应用于中国电网时，将面临很大的挑战；其次，中国夏季天气变化较大，对负荷的变化存在较大影响。然而，现有的多数方法都缺乏相关因素对负荷影响的定量分析，相反，诸如人工神经网络法、支持向量机法等方法虽然考虑了相关因素的影响，但它们不加修饰的直接被应用于短期负荷预测，有时可能还会增加预测结果的不确定性，影响预测结果的准确性。
因此，电网公司迫切需要一种适应于中国电网实际的短期负荷预测方法，提升中国短期负荷预测的精度。
技术实现要素：
本发明的目的是提出一种基于偏差补偿的两阶段短期电网负荷的预测方法，以克服已有技术的不足之处，结合中国电力系统的实际情况，使短期电网负荷的预测具有适应性强、预测过程高效、预测精度高等特点。
本发明提出的基于偏差补偿的两阶段短期电网负荷的预测方法，包括以下步骤：
(1)从电网负荷预测系统获取电网负荷预测所需的基础数据，包括预测日之前设定时段n天内每天的电网有功功率负荷曲线pi,t、预测日之前设定时段待负荷预测的电网所在地区的温度曲线ti,t、待负荷预测的电网所在地区的湿度曲线hi,t、待预测日该负荷预测电网所在地区的温度曲线tf,t和湿度曲线hf,t，其中，i是预测日之前设定时段n天内中的任意一天，取值1，2，…n，t为预测时刻，t的取值为1，2，…96，f为待预测日，pi,t、ti,t和hi,t均为矩阵，tf,t和hf,t为向量；
(2)将上述步骤(1)中的有功功率负荷曲线pi,t分为历史趋势成分
上式中，n为指数平滑预测的天数，j与k分别为n天中的任意一天，j与k的取值分别为1，2，…n，α为指数平滑预测参数，取值范围为0<α<1；
将待预测日的有功功率负荷曲线
上式中，n为指数平滑预测的天数，j与k分别为n天中的任意一天，j与k的取值分别为1，2，…n，α为指数平滑预测参数，取值范围为0<α<1；
(3)根据上述步骤(1)中的温度曲线和湿度曲线ti,t、
其中，x指气象影响因素温度t和湿度h，n为指数平滑预测的天数，j与k指n天中的任意一天，取值1，2，…n，α为指数平滑预测参数，取值范围为0<α<1；
(4)根据上述步骤(2)得到的历史趋势成分
根据上述步骤(1)得到的历史温度曲线ti,t、历史湿度曲线hi,t、待预测日温度曲线tf,t和待预测日湿度曲线hf,t和步骤(3)得到的气象影响因素的平滑值
其中，x为气象影响因素温度t和湿度h.
(5)采用支持向量机回归方法，对上述步骤(4)得到的有功功率负荷曲线pi,t的预测偏差成分δpi,t和气象影响因素实际值与平滑值的偏差值(δti,t,δhi,t)进行多元非线性回归，得到多元非线性回归模型δpt＝ft(δtt,δht)，其中，δpt为有功功率负荷曲线偏差成分，δtt为温度曲线偏差成分，δht为湿度曲线偏差成分；
(6)将上述步骤(4)得到的待预测日的气象影响因素实际值与平滑值的偏差值δtf,t和δhf,t代入上述步骤(5)得到的多元非线性回归模型δpt＝ft(δtt,δht)中，得到待预测日有功功率负荷曲线偏差成分：
(7)将上述步骤(2)得到的待预测日有功功率负荷趋势成分
本发明提出的基于偏差补偿的两阶段短期电网负荷的预测方法，其优点是：
本发明基于偏差补偿的两阶段短期电网负荷的预测方法，结合了电网短期负荷的特点，将负荷分为趋势成分和偏差成分两个部分单独进行预测，考虑到趋势成分具有较强的周期性和稳定性，采用时间序列等传统方法进行预测，而考虑到偏差成分具有较大的随机性，采用支持向量机等智能预测方法进行预测，因此本发明的短期电网负荷的预测显著提升了预测精度，具有重要的现实意义和良好的应用前景。
具体实施方式
本发明提出的基于偏差补偿的两阶段短期电网负荷的预测方法，包括以下步骤：
(1)从电网负荷预测系统获取电网负荷预测所需的基础数据，包括预测日之前设定时段n天内每天的电网有功功率负荷曲线pi,t、预测日之前设定时段待负荷预测的电网所在地区的温度曲线ti,t、待负荷预测的电网所在地区的湿度曲线hi,t、待预测日该负荷预测电网所在地区的温度曲线tf,t和湿度曲线hf,t，其中，i是预测日之前设定时段n天内中的任意一天，取值1，2，…n，t为预测时刻，t的取值为1，2，…96，f为待预测日，pi,t、ti,t和hi,t均为矩阵，tf,t和hf,t为向量；
(2)将上述步骤(1)中的有功功率负荷曲线pi,t分为历史趋势成分
上式中，n为指数平滑预测的天数，j与k分别为n天中的任意一天，j与k的取值分别为1，2，…n，α为指数平滑预测参数，取值范围为0<α<1，本发明的一个实施例中，取值为0.6；
将待预测日的有功功率负荷曲线
上式中，n为指数平滑预测的天数，j与k分别为n天中的任意一天，j与k的取值分别为1，2，…n，α为指数平滑预测参数，取值范围为0<α<1，本发明的一个实施例中，取值为0.6；
(3)根据上述步骤(1)中的温度曲线和湿度曲线ti,t、
其中，x指气象影响因素温度t和湿度h，n为指数平滑预测的天数，j与k指n天中的任意一天，取值1，2，…n，α为指数平滑预测参数，取值范围为0<α<1，本发明的一个实施例中，取值为0.6；
(4)根据上述步骤(2)得到的历史趋势成分
根据上述步骤(1)得到的历史温度曲线ti,t、历史湿度曲线hi,t、待预测日温度曲线tf,t和待预测日湿度曲线hf,t和步骤(3)得到的气象影响因素的平滑值
其中，x为气象影响因素温度t和湿度h.
(5)采用支持向量机(svm)回归方法(该方法为已有技术，可参见文献noviantipw,jongvl.supportvectormachine[j].)，对上述步骤(4)得到的有功功率负荷曲线pi,t的预测偏差成分δpi,t和气象影响因素实际值与平滑值的偏差值(δti,t,δhi,t)进行多元非线性回归，得到多元非线性回归模型δpt＝ft(δtt,δht)，其中，δpt为有功功率负荷曲线偏差成分，δtt为温度曲线偏差成分，δht为湿度曲线偏差成分；
(6)将上述步骤(4)得到的待预测日的气象影响因素实际值与平滑值的偏差值δtf,t和δhf,t代入上述步骤(5)得到的多元非线性回归模型δpt＝ft(δtt,δht)中，得到待预测日有功功率负荷曲线偏差成分：
(7)将上述步骤(2)得到的待预测日有功功率负荷趋势成分