[发明专利]一种基于主成分分析的多参量辅助负荷预测方法

说明书

本发明公开了一种基于主成分分析的多参量辅助负荷预测方法，首先，收集影响负荷量的变量，然后，用主成分分析法分析了各变量之间的相关性，找出主成分；接着，将主成分与历史负荷数据一起作为模型输入，负荷作为输出，训练模型并实现负荷预测；最后，算出负荷密度、负荷自然增长率及同期系数。本发明预测负荷物理意义明确，预测结果稳定，预测精度高。此外，本发明预测方法是数据驱动、自适应的方法，其预测结果不依赖于使用者的先验知识。

技术领域

本发明涉及能源预测技术领域，尤其是指一种基于主成分分析的多参量辅助负荷预测方法。

背景技术

电力系统中，电力负荷是一个很重要的指标，关系到整个电力系统运行的稳定性，这其中在城市与农业的用电与天气情况有较大的关联，但通过近几年的数据进行分析，包括天气情况等因素与电力负荷之间的关系并非是一个线性关系，而是呈非线性关联的，因此本项目也研究通过收集其它参量数据进行电力负荷预测。

由于影响负荷的因素一般都具有随机性，使得负荷也呈现一定的随机性特点。这样就需要建立随机预测模型，根据负荷的历史数据以及个相关因素的历史数据进行负荷预测。考虑到已发生或已存在的事物是不存在随机性的，而历史数据是对己发生事物的一种记录可以查证，所以可认为历史数据具有确定性是比较准确的，根据历史数据建立的预测关系应当是比较客观的，我们可以不考虑在建立预测关系过程中相关因素的随机性。

在进行负荷预测时，输入变量除包含历史数据外，还包含相关因素。但具体哪些因素是对负荷值有影响的，需要通过相关性分析和主成分分析方法来确定。

现有负荷预测的方法仍存在以下不足：

1、普遍适用性差。用于负荷预测的方法虽是多种多样，但并不是所有的方法都适用于某一具体地区的负荷预测，也不是越新的方法就越好，而组合预测方法也不是所有的地区都有条件能够运用；

2、预测精度不高、算法逐渐“数学化”的现象，复杂的算法多数停留在理论研究阶段，很难在工程实践中灵活应用。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种基于主成分分析的多参量辅助负荷预测方法，实现对负荷的中长期准确预报。

为实现上述目的，本发明所提供的技术方案为：一种基于主成分分析的多参量辅助负荷预测方法，首先，收集影响负荷量的变量，然后用主成分分析法分析各变量之间的相关性，找出主成分；接着，将主成分与历史负荷数据一起作为模型输入，负荷作为输出，训练模型并实现负荷预测，其中采用最小二乘支持向量机作为预测模型；最后，计算出负荷密度、负荷自然增长率及同期系数；其包括以下步骤：

第一步：假设有n个样本，p个变量，观测数据矩阵为：

其中，X为观测数据矩阵，x_ij为第i个样本第j个变量的值。

由于各变量的量纲有可能不同，因此需要对原始数据进行标准化处理；

其中，x_ij为第i个样本第j个变量的值，为第j个变量的平均值，为归一化后的结果。

第二步：计算样本的相关系数矩阵

假定原始数据标准化后仍用X表示，则经标准化处理后的数据的相关系数为：

其中，r_ij为第i个变量与第j个变量的相关系数。