[发明专利]一种短时负荷预测方法及装置

说明书

技术领域

本发明涉及电力负荷预测技术领域，更具体地说，涉及一种短时负荷预测方法及装置。

背景技术

负荷预测是电力市场发展的必要手段之一，能够准确的预测到某一具体时刻的电力负荷值，对电力系统具有重要的经济意义和社会意义。短时负荷预测是对某日内每个时刻(例如每日的负荷曲线由24、48、96、144或288个点组成)的负荷，其目的是安排日开停机组计划和发电计划。

近些年来，人工智能及机器学习在短时负荷预测研究领域得到迅猛发展，学者们通过数学建模对负荷预测进行了一系列研究，提出了许多解决负荷预测问题的方法，一般在进行上述数学建模时均需要使用到历史上产生的负荷数据，但是，如果这些负荷数据中存在异常的数据，就会对数学建模产生影响，进而导致对应预测模型的预测精度大大降低，对应的，利用这种预测模型实现负荷的预测时会出现精度较低的情况。

综上所述，如何提供一种预测精度较高的短时负荷预测的技术方案，是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种短时负荷预测方法及装置，以达到较高的预测精度。

为了实现上述目的，本发明提供如下技术方案：

一种短时负荷预测方法，包括：

获取包括环境数据及对应负荷数据的历史数据，并利用非参数概率密度函数估计建立所述环境数据及所述负荷数据之间的关系；

基于所述关系获取所述历史数据中的自适应遗忘因子，构建基于所述自适应遗忘因子的时变Cook距离统计量；

利用所述时变Cook距离统计量对所述历史数据中的负荷数据进行检测，如果检测出异常数据，则利用非参数概率密度函数估计基于所述异常数据对应的环境数据对所述异常数据进行修复；

对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，并运用MCSO算法对所述负荷预测模型进行优化，以利用该负荷预测模型实现短时负荷预测。

优选的，获取包括环境数据及对应负荷数据的历史数据，包括：

获取包括环境数据及对应负荷数据的历史数据，其中所述环境数据包括湿度数据及温度数据。

优选的，基于所述关系获取所述历史数据中的自适应遗忘因子，包括：

利用递归最小二乘法基于所述关系获取所述历史数据中的自适应遗忘因子。

优选的，对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，包括：

利用ORELM对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型。

一种短时负荷预测装置，包括：

处理模块，用于：获取包括环境数据及对应负荷数据的历史数据，并利用非参数概率密度函数估计建立所述环境数据及所述负荷数据之间的关系；

构建模块，用于：基于所述关系获取所述历史数据中的自适应遗忘因子，构建基于所述自适应遗忘因子的时变Cook距离统计量；

修复模块，用于：利用所述时变Cook距离统计量对所述历史数据中的负荷数据进行检测，如果检测出异常数据，则利用非参数概率密度函数估计基于所述异常数据对应的环境数据对所述异常数据进行修复；

训练模块，用于：对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型，并运用MCSO算法对所述负荷预测模型进行优化，以利用该负荷预测模型实现短时负荷预测。

优选的，所述处理模块包括：

获取单元，用于：获取包括环境数据及对应负荷数据的历史数据，其中所述环境数据包括湿度数据及温度数据。

优选的，所述构建模块包括：

构建单元，用于：利用递归最小二乘法基于所述关系获取所述历史数据中的自适应遗忘因子。

优选的，所述训练模块包括：

训练单元，用于：利用ORELM对修复完成的所述异常数据及其他所述历史数据进行训练得到对应的负荷预测模型。