[发明专利]一种基于综合因素评价模型的短期电力负荷预测方法

权利要求书

1.一种基于综合因素评价模型的短期电力负荷预测方法，其特征在于，所述方法包括以下步骤：

步骤1，建立人体舒适度模型，运用综合权重给各指标舒适感评级从而得出综合人体舒适度指数；

步骤2，运用掩蔽经验模式分解MEMD将原始电力负荷数据序列分解成不同频率的固有模态分量IMF和剩余分量r，其中固有模态分量分为6层；

步骤3，对能反映负荷序列内在特性的各固有模态分量IMF与人体舒适度指数进行相关性分析，根据相关性系数的大小来确定经改进的粒子群POS优化后的Elman神经网络子模型的输入向量并进行预测；

步骤4，将各子模型的预测值相叠加得到负荷序列的最终预测结果。

2.根据权利要求1所述的一种基于综合因素评价模型的短期电力负荷预测方法，其特征在于：步骤1中，所述人体舒适度模型的模型结构分为三个层次，目标层是人体舒适度；准则层包含温度、湿度、风力、气压；指标层包含最高温度、最低温度、白天和夜间湿度指标、风力强度以及气压状况；

根据三层次的人体舒适度模型结构，采用AHP-熵权法对模型中各个因素进行权重解析，最终得到综合因素影响系数；

层次分析法AHP是将与决策总是有关的元素分解成目标、准则、方案层次，在此基础上进行定性和定量分析的决策方法，具体计算步骤为：建立递阶层次结构、构造两两比较判断矩阵、判断矩阵的一致性检验、计算各层指标对目标的合成权重；

设判断矩阵为A，计算各因素对目标层的权重步骤：

1)将A的每一列向量归一化得：

w~ij=aij/Σi=1naij---(1)]]>

其中，表示列向量的归一化结果，a_ij表示元素i和元素j的重要性之比；

2)对归一化后的矩阵按行求和得：

w~i=Σj=1nw~ij---(2)]]>

其中，表示归一化后的列向量按行求和得到的结果；

3)式(2)的结果归一化：

wi=w~i/Σi=1nw~i---(3)]]>

w＝(w₁,w₂,…w_n)^T即为权向量；

其中，w_i,i＝1,2,...,n,表示各因素对目标的权重；

熵权法的计算步骤为：

1)数据标准化，将各个指标的数据进行标准化处理；假设给定了n个指标x₁,x₂,x₃,...x_n，其中x_i＝(x₁,x2,...x_k)；经标准化处理后的值为Y₁,Y₂,Y₃,...Y_n，其中

Yij=xij-min(xi)max(xi)-min(xi)---(4)]]>

其中，x_ij为人体舒适度每个指标的评价值，Y_ij表示对各指标数据标准化后的结果；

2)求各指标信息熵，根据信息论中信息熵的定义，计算第i个指标的熵值：

Ei=-ln(n)-1Σj=1npij·ln pij---(5)]]>

其中P_ij表示第i个指标下第j个样本指标值所占的比重；

3)计算第i项指标的差异性系数：

∂i=1-Ei---(6)]]>

4)计算第i项指标的熵权W_i：

Wi=∂iΣi=1n∂i---(7)]]>

最后按照人体感觉的标准对各项指标进行评级，然后将各项指标评级和相应的权重作乘法，最后求和得到当天的综合人体舒适度指数。