[发明专利]一种短期电力负荷预测的计算方法

说明书

本发明公开了一种短期电力负荷预测的计算方法包括下述步骤：S1，构建电力负荷数据集；通过历史电力负荷数据构建聚类数据集、预预测数据集和预测日数据集；S2，构建模糊聚类的初始聚类中心和类别数；本发明采用最大偏差相似性准则的聚类算法，为模糊聚类算法提供聚类数目以及初始类中心；数据聚类后，通过改进后的BP神经网络进行预测选取与预测日相似的电力负荷类别，并将该类别的电力负荷数据作为改进后的BP神经网络的训练集对预测日的电力负荷进行预测，可以使得神经网络训练速度更快，预测结果精度更高，具有较高的实用性和合理性。

技术领域

本发明涉及电力系统及其自动化技术领域，具体涉及一种短期电力负荷预测的计算方法。

背景技术

在电力系统的建设中，需要安全科学合理地对电能进行规划，需要在保障电能指标的情况下能够随时满足用户负荷需求。然而，由于电力系统的自身存储电力的能力不足，用户未能消耗的电能往往会白白流失，造成资源浪费。电力系统若能在电能产出时进行调控，根据用户的负荷来进行生产调解，就可以避免过多的产出。因此，精准的电力负荷预测可以极大程度的提升电能的使用效率，有效避免电能的浪费，同时，电力负荷预测对电网控制，电力系统实时调度也有极大的帮助。

随着社会各个行业快速蓬勃发展，电力系统规模越来越大越来越复杂，作为电力负荷预测的因素也开始多样化，社会、政治、天气甚至于经济因素都成为预测电力负荷的背景，传统的电力负荷预测手段难以适用于这种复杂背景下的预测分析。因此，有必要针对电力负荷预测研究精确合理，可涉及较多因素的算法，一个全面准确的负荷预测算法是电力系统可以灵活调控安全运行的重要保障。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种短期电力负荷预测的计算方法，该方法使得神经网络训练速度更快，预测结果精度更高，具有较高的实用性和合理性。

本发明的目的通过下述技术方案实现：

一种短期电力负荷预测的计算方法，包括下述步骤：

S1，构建电力负荷数据集；通过历史电力负荷数据构建聚类数据集、预预测数据集和预测日数据集；

S2，构建模糊聚类的初始聚类中心和类别数；

S2.1，任意计算两组电力负荷数据x_i与x_j对应时间点的欧氏距离x_ijk；

S2.2，构建任意两组电力负荷数据的最大偏差距离λ，公式如下：

式中，x_imax为第i个负荷的最大负荷值，x_imin为第i个负荷的最小负荷值，为第i个负荷的平均负荷值，x_jmax为第j个负荷的最大负荷值，x_jmin为第j个负荷的最小负荷值，为第j个负荷的平均负荷值；

S2.3，构建相似时点数n_ij和最大偏离点时点数m_ij；

S2.4，运用基于最大偏差相似准则的聚类算法将聚类数据集的电力负荷数据进行聚类；

S2.4.1，将第i个电力负荷数据作为对比中心，并将所有满足最大偏差相似性准则的x_j分配到S(x_i)；其中S(x_i)为与x_i相似的曲线集合；

S2.4.2，将x_j从原始负荷数据集合U中删除，直至原始负荷数据集合U为空；否则，返回步骤S2.1；

S2.5，计算聚类后的电力负荷数据的初始聚类中心；

S3，电力负荷数据的模糊聚类；

S3.1，构建模糊聚类目标函数；