[发明专利]一种区域电力负荷预测方法

权利要求书

1.一种区域电力负荷预测方法，其特征在于，包括：

根据用电区域的历史负荷数据，构造N组不同时间间隔步长的时间序列特征数据；

分别对N组时间序列特征数据进行相关性检验，得到M组通过检验的相关序列，M≦N；所述相关序列具有序列自相关性；

将M组所述相关序列输入多序列长短期记忆网络预测模型中，集成所述多序列长短期记忆网络预测模型的输出结果，预测目标时间点的负荷数据；其中，所述多序列长短期记忆网络预测模型包括若干组长短期记忆网络预测模型。

2.根据权利要求1所述的方法，其特征在于，所述时间序列特征数据为：

E_i＝{e_t-Ki+1，e_t-2×Ki+1，...，e_t-j×Ki+1，...，e_t-n×Ki+1}

式中，E_i表示时间序列特征数据，Ki为时间间隔步长，n为时间序列特征数据的维度，e_t-j×Ki+1为E_i中第j个时间点对应的负荷变量；i＝1，2…，N；j＝1，2…，n。

3.根据权利要求2所述的方法，其特征在于，所述分别对N组时间序列特征数据进行相关性检验，包括：

根据所述时间序列特征数据中任意两个负荷变量之间的Spearman相关系数，以及所述时间序列特征数据的维度n，计算t检验统计量T；

判断t检验统计量T是否大于或等于阈值t_α,v，所述阈值t_α,v是与显著性水平α和自由度v有关的参数；

如果t检验统计量T大于或等于阈值t_α,v，则所述时间序列特征数据中任意两个负荷变量之间具备相关性；反之，则所述时间序列特征数据中任意两个负荷变量不相关。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述得到M组通过检验的相关序列，包括：

相关性检验完成后，从所述时间序列特征数据中筛选出非相关负荷变量，所述非相关负荷变量与所述时间序列特征数据中的其他负荷变量都不相关；

将所述非相关负荷变量从所述时间序列特征数据中移除，将移除处理后的时间序列特征数据作为所述相关序列；

丢弃N-M组不具有序列自相关性的时间序列特征数据，从而得到M组通过检验的相关序列。

5.根据权利要求3所述的方法，其特征在于，所述时间序列特征数据中任意两个负荷变量(X_j，Y_j)之间的Spearman相关系数r_s为：

式中，R_j为负荷变量X_j的秩，Q_j为负荷变量Y_j的秩。

6.根据权利要求5所述的方法，其特征在于，所述t检验统计量T通过如下公式计算：

式中，r_s为所述时间序列特征数据中任意两个负荷变量(X_j，Y_j)之间的Spearman相关系数。

7.根据权利要求1所述的方法，其特征在于，在将M组所述相关序列输入多序列长短期记忆网络预测模型之前，所述方法还包括：

对所述相关序列进行如下归一化处理：

式中，x_norm为负荷变量的归一化值，x为所述负荷变量的当前值，x_max为所述负荷变量的最大值，x_min为所述负荷变量的最大值。

8.根据权利要求1所述的方法，其特征在于，按照如下公式预测目标时间点的负荷数据S：

式中，S_k为第k组长短期记忆网络预测模型输出的目标时间点负荷值，W_k为第k组长短期记忆网络预测模型对应的权重系数，L为所述多序列长短期记忆网络预测模型中所包括的长短期记忆网络预测模型的数量。