[发明专利]基于实时电价的短期负荷预测方法

说明书

本发明公开了一种考虑实时电价的短期负荷预测方法，涉及电力系统规划与运行技术领域，本发明通过将负荷与电价的相关系数引入神经网络模型中，对神经网络隐含层的输入权重进行修正，体现出电价与负荷的关系；在神经网络的反馈环节引入PID控制，将预测残差反馈到输入层，对网络进行训练，使神经网络预测系统受到外部干扰时，系统仍具有良好的预测性能。

技术领域

本发明涉及电力系统规划与运行技术领域，特别涉及一种基于实时电价的短期负荷预测方法。

背景技术

负荷预测是电力系统规划与运行的基础工作，它对国家的能源建设、人民生活和整个社会效益的发挥起着重要的作用。短期负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。长期以来，相关专家和学者发表了大量负荷预测文献，并提出了一些行之有效的预测方法。在短期负荷预测中，传统的负荷预测方法有趋势外推法、时间序列法、灰色系统预测等；现代智能预测方法有模糊预测法、人工神经网络法、支持向量法、小波分析法等。

随着智能电网的快速发展，传统用电模式发生了重大变化，其中一个显著变化就是用户可以根据电能需求结合实时电价调整消费模式，甚至可以实现与电网的互动供电，使得负荷与电价在电力市场中的关系变得复杂，电价的变化导致电力需求的变化，电力需求的变化又会影响电价。所以，在短期负荷预测中，应将实时电价作为影响短期负荷预测的一个重要因素，忽略这一因素的影响将会导致不同程度的预测误差。同时，传统神经网络在负荷预测中也存在问题：不能及时学习电价变化和预测误差之间的关系，稳定性差。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于实时电价的短期负荷预测方法。

依据本发明的一个方面，提供了一种基于实时电价的短期负荷预测方法，所述方法包括：

获取历史电价数据及对应的历史负荷数据，并获取当前电价数据；

基于所述历史电价数据、对应的历史负荷数据及当前电价数据通过训练后的神经网络模型预测当前负荷数据，所述训练后的神经网络模型为当前电价数据与所述当前负荷数据之间的对应关系。

可选地，所述获取历史电价数据及对应的历史负荷数据，并获取当前电价数据之前，所述方法还包括：

构建由电价影响的神经网络模型，根据历史电价数据及对应的历史负荷数据对所述由电价影响的神经网络模型进行训练。

可选地，所述由电价影响的神经网络模型为，

其中，为预测负荷数据，x_i为第i个输入数据，w_ij和w_jl均为权值，θ_j和θ_l均为阈值，r_i为第i个负荷与对应电价的相关系数，c_v为第v个历史电价数据，为历史电价数据的均值，l_v为第v个历史负荷数据，为历史负荷数据的均值，N为历史电价数据或历史负载数据的数量，f(·)为隐含层的激励函数，g(·)为输出层的激励函数。

可选地，所述根据历史电价数据及对应的历史负荷数据对所述由电价影响的神经网络模型进行训练，具体包括：

将所述历史电价数据及对应的历史负荷数据进行归一化处理；

将反馈负荷、归一化处理后的历史电价数据及对应的历史负荷数据代入所述由电价影响的神经网络模型中，获得所述由电价影响的神经网络模型的预测负荷；

计算所述预测负荷与实际负荷之间的预测误差，将预测误差与误差阈值进行比较；