[发明专利]一种基于稀疏表示的电力负荷预测方法

说明书

本发明涉及一种基于稀疏表示的电力负荷预测方法，包括以下步骤：通过电力公司获取真实电力负荷数据，对数据进行预处理得到，包括数据缺失、数据异常和数据归一化等具体操作等处理；通过拼接基础字典、单位矩阵字典和外部因素字典，使其构成过完备字典，过完备字典包括用于求解稀疏系数向量的训练字典和用于预测未来电力负荷的测试字典两部分；根据预处理的电力负荷数据和的训练字典使用正交匹配追踪OMP算法来求解系数向量；结合测试字典和稀疏系数向量来预测未来的电力负荷。该方法在真实存在的电力负荷数据集的基础上，可以有效地预测未来的电力负荷，在添加外部因素的条件下，可以显著地提高负荷预测的精度。

技术领域

本发明涉及电力负荷预测的技术领域，特别是涉及一种基于稀疏表示的电力负荷预测方法。

背景技术

随着国家经济技术的发展和人们生活水平的提高，电能已经成为了人们日常生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。电力负荷预测是电网运行的重要研究课题和重要发展方向之一。目前，基于短期负荷预测研究理论和方法已做了大量预测研究，提出了很多方法，大致可以分为两类：一类是以时间序列法为代表的传统方法，如时间序列法等，这些方法算法简单，速度快，应用广泛，但由于其本质上都是线性模型方法，因此存在着很多缺点和局限性，无法真实地反映电力公司不同负荷模型的非线性特性；另一类是以人工神经网络为代表的新型人工智能方法，神经网络具有并行分布信息和自学习及任意逼近连续函数的能力，能够捕获电力短期负荷的各种变化趋势。BP网络需要大量历史数据进行训练，且学习及处理不确定性和人工信息的能力较差。FUZZY预测，是近几年来在电力公司负荷预测中不断出现的一种预测方法，但是从实际应用来看，FUZZY方法对于负荷预测的精度往往是不尽人意的。此外，随着电网规模的扩大，涉及各方面的因素越来越多，不可避免地出现大量不确定性信息，因此目前的常用的负荷预测方法在这方面并不能很好的适应。

发明内容

有鉴于此，本发明的目的在于提供一种基于稀疏表示的电力负荷预测方法，该方法在给定的电力负荷信息数据集的基础上，通过稀疏表示有效地刻画电力负荷内在结构与特质，预测未来的电力负荷。

为实现上述目的，本发明采用如下技术方案：

一种基于稀疏表示的电力负荷预测方法，其特征在于：包括以下步骤：

步骤S1：通过电力公司获取真实电力负荷数据y并对其进行预处理操作得到预处理的电力负荷数据y′，预处理操作包括数据缺失、数据异常和数据归一化；

步骤S2：构建过完备字典：通过拼接使用离散小波变换或者离散余炫变换来构造基础字典、由delta函数生成的单位矩阵字典和由外部因素构成的外部因素字典，使其构成过完备字典D，过完备字典分为两部分D1是训练字典，用于求解稀疏系数向量；D2是测试字典，通过结合稀疏系数向量来预测未来一段时间的电力负荷；

步骤S3：根据预处理的电力负荷数据y′和训练字典D1使用正交匹配追踪OMP算法来求解稀疏系数向量α；

步骤S4：得到的测试字典D2结合稀疏系数向量α来预测未来的电力负荷y″，通过公式(4)来预测未来电力负荷：

y＝D₂α (4)

得到的电力负荷预测值与实际的电力负荷值进行比较，来验证该方法的有效性。

进一步的，所述步骤S1具体包括：

步骤S11：对数据进行数据缺失处理：为了减少误差，使用数据填充的方法，当天的数据与前一天，后一天，一星期前，这个时间段有关，具体如公式(1)所示；

y(d,t)＝w₁y(d-1,t)+w₂y(d+1,t)+w₃y(d-7,t) (1)