[发明专利]一种基于马尔科夫模型的负荷区间预测方法

说明书

技术领域

本发明涉及能源预测技术领域，尤其是指一种基于马尔科夫模型的负荷区间预测方法。

背景技术

由于电力系统中蕴含了各种不确定因素，使得决策工作必然面临一定程度的风险，所以在决策时必须考虑电力需求的不确定性。传统确定性预测方法的结果不能反映需求的不确定性，而区间预测可满足这种客观要求。区间预测的结果不是一个简单的确定性数值，而是一个区间，并且这个区间对应了一定水平的概率置信水平，能描述未来预测结果的可能范围。根据区间预测结果，电力系统决策人员在进行生产计划、系统安全分析等工作时能够更好地认识到未来负荷可能存在的不确定性和面临的风险因素，从而及时作出更为合理的决策。因此，分析电力系统负荷的变化规律，研究电力负荷区间预测方法，实现电力负荷的不确定性预测具有重要的理论意义和实用价值。

目前区间预测方法存在以下不足：

1、计算复杂；

2、假设性强；

3、计算时间长。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种基于马尔科夫模型的负荷区间预测方法，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：一种基于马尔科夫模型的负荷区间预测方法，首先，提取负荷数据的趋势曲线，然后用日期加趋势项负荷作为输入，趋势项负荷作为输出，在支持向量机上实现负荷的趋势项预测；接着从负荷曲线中减去趋势项，得到随机项，对随机项利用马尔科夫模型进行区间预测；接着将趋势项预测值与随机项预测区间相加，即得到负荷的预测区间值；此外，为了提高预测的精度，引入误差反馈环节：首先，利用三次样条插值法提取出历史负荷曲线的上、下包络线，取样本中的点进行马尔科夫区间预测，将预测区间的上、下限与上、下包络线对比，计算误差，最后将该误差加入到原始的预测区间中，即得到最终的预测区间；其包括以下步骤：

1)找出历史负荷曲线的趋势曲线，历史曲线减去趋势项，得到随机项；

2)对预测日的趋势曲线部分进行预测，预测模型为支持向量机，模型输入为日期和历史负荷的趋势项，输出为负荷的趋势项；

3)将随机项曲线按幅值最大最小为上下限平均划分成3个区间，计算转移概率矩阵，转移概率最大的区间，即为随机项的预测区间；

4)负荷的趋势项预测值与随机项的预测区间之和为原始预测区间；

5)通过三次样条插值的方法找出负荷曲线的上、下包络线；

6)计算上、下包络线与原始预测区间上、下限之间的误差；

7)原始预测区间与误差之和为最终的预测区间。

本发明与现有技术相比，具有如下优点与有益效果：

1、预测结果稳定，预测精度高；

2、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；

3、本发明思路简单、直观、易操作；

4、本发明对电网的调度、规划等实际情况具有很强的指导意义。

附图说明

图1为本发明基于马尔科夫模型的负荷区间预测方法的流程图之一。

图2为本发明基于马尔科夫模型的负荷区间预测方法的流程图之二。

图3为理想预报结果与实际数据的曲线图。

具体实施方式

下面结合具体实施例对本发明做进一步的说明。

如图1和图2所示，本实施例所述的基于马尔科夫模型的负荷区间预测方法，具体是：首先，提取负荷数据的趋势曲线，然后用日期加趋势项负荷作为输入，趋势项负荷作为输出，在支持向量机上实现负荷的趋势项预测；接着从负荷曲线中减去趋势项，得到随机项，对随机项利用马尔科夫模型进行区间预测；接着将趋势项预测值与随机项预测区间相加，即得到负荷的预测区间值；此外，为了提高预测的精度，引入误差反馈环节：首先，利用三次样条插值法提取出历史负荷曲线的上、下包络线，取样本中的点进行马尔科夫区间预测，将预测区间的上、下限与上、下包络线对比，计算误差，最后将该误差加入到原始的预测区间中，即得到最终的预测区间；其包括以下步骤：

1)找出历史负荷曲线的趋势曲线，历史曲线减去趋势项，得到随机项；

假设历史曲线f(t),t＝1,2,…,N，其趋势曲线为F(t)，则

S(t)＝f(t)-F(t)

其中，f(t)为历史负荷曲线，F(t)为趋势曲线，S(t)为随机项。

2)对预测日的趋势曲线部分进行预测，预测模型为支持向量机，模型输入为日期和历史负荷的趋势项，输出为负荷的趋势项；