[发明专利]一种冷热电短期负荷预测方法及系统

权利要求书

1.一种冷热电短期负荷预测方法，其特征在于，包括以下步骤：

选取子日特征向量；

求取特征误差绝对值向量；

确定特征点权重选取相似日；

确定相似日权重求出预测日负荷。

2.根据权利要求1所述的冷热电短期负荷预测方法，其特征在于，

所述选取子日特征向量包括：选取与冷热电负荷相关的影响因素构成的日特征向量，预测日与m个历史日的子日特征向量分别是X₀和X_i(i＝1，...，m)，其中预测日的子日特征向量为X₀＝(X₀(1)，...，X₀(n))，n为特征的个数，第i个历史日的子日特征向量为X_i＝(X_i(1)，...，X_i(n))；

所述求取特征误差绝对值向量包括：预测日与每个历史日各个特征点求差值，差值的绝对值即为特征误差绝对值向量：δ_i＝(|X_i(0)-X₀(0)|，...，|X_i(n)-X₀(n)|)(i＝1，...，m)；

所述确定特征点权重选取相似日包括：根据改进熵权法，计算各个特征点的权重值w_j(j＝1，...，n)，与特征误差绝对值向量相对应的点相乘，求和得到各个历史日与预测日的相似误差：ξ_i＝w×δ＝w₁×|X_i(0)-X₀(0)|+…+w_n×|X_i(n)-X₀(n)|，(i＝1，...，m)，相似误差最小的r天，即被选作预测日的r个相似日的负荷分别为L₁，L₂，...，L_r；

所述确定相似日权重求出预测日负荷，包括：根据改进熵权法，确定各个相似日的权重W_i(i＝1，2，...，r)，求负荷加权和得到预测日负荷：L＝W₁×L₁+W₂×L₂+…+W_r×L_r。

3.根据权利要求1所述的冷热电短期负荷预测方法，其特征在于，

根据历史负荷数据和特征数据，进行相关性分析，根据分析结果选取相关性大的作为日特征向量。

4.根据权利要求3所述的冷热电短期负荷预测方法，其特征在于，所述相关性分析的方法采用皮尔逊相关性系数法。

5.根据权利要求2所述的冷热电短期负荷预测方法，其特征在于，所述计算各个特征点的权重值，包括：

1)计算历史日与预测日各个特征点误差绝对值为：Δ_i(k)＝|X_i(k)-X₀(k)|；Δ_i(i＝1，...m)为m个平均对象，Δ_k(k＝1，...n)为n个评价指标，则相应的评价矩阵是A＝[a_ij]_m*n；

2)由评价矩阵A进行标准化得到标准化矩阵R＝[r_ij]_m*n，以下公式计算第i个评价对象在第j个评价指标下的比重P_ij：

3)计算第j个指标的熵值：

假设p_ij＝0时，p_ijlnp_ij＝0；

4)计算第j个评价指标的熵权w_j，得到各个特征点的权重组成的向量w_j(j＝1，...，n)：