[发明专利]一种基于马尔科夫链的电力系统负荷准确预测方法

权利要求书

1.一种基于马尔科夫链的电力系统负荷准确预测方法，其特征是，包括步骤如下：

(1)对实测数据进行分析处理，取5组以上的历史负荷数据，每一组都有t-1时刻的负荷数据L_t-1和t时刻的负荷数据L_t；

(2)对L_t-1和L_t的值域做状态划分，并设定状态集合E＝{1，2，…，N}，其中1状态表示负荷为0～100之间的数值，2状态表示负荷为100～200之间的数值，以此类推，设t-1和t时刻的状态取值分别为C_t-1和C_t，则ΔC＝C_t-C_t-1即是在这一组数据中的状态转移距离，计算出的每组历史数据的状态转移距离得到状态转移表；

(3)统计状态转移表中各转移距离发生的概率，并且将得到的概率结果按照转移距离升序排列，得到一个一维矩阵，这个称为转移矩阵F＝[a₁，a₂，…a_n]；根据转移矩阵可以得出在所取历史数据中出现概率最大的转移距离，将这一出现概率最大的转移距离作为待测时刻t相对于其前一时刻t-1的转移距离；

(4)检测电力系统某时刻的负荷值记为t-1时刻状态量，根据t-1时刻状态量和转移距离算出待预测t时刻所处的状态量，由t时刻的状态量再映射到其所代表的值域，取这一值域的中点作为待预测值；

(5)对转移矩阵中最大概率两侧的概率进行加和统计，比较两侧的加和值大小，所述的两侧加和至少分别加和5个值，看加和值较大的一侧，选取该侧对应的步骤(4)所述值域的端点值，将该端点值与步骤(4)得的中点预测值再取中点值即为最终预测值。

2.根据权利要求1所述的基于马尔科夫链的电力系统负荷准确预测方法，其特征是，步骤(4)中所述的根据已知的t-1时刻状态量和转移距离算出待预测t时刻所处的状态量具体过程为设转移矩阵中a_j的值最大，即其所代表的转移距离在历史数据中发生的概率最大，设其所代表的转移距离为j，已知的t-1时刻状态量C和转移距离j算出待预测t时刻所处的状态量为C+j。