[发明专利]一种冷热电短期负荷预测方法及系统

说明书

本发明公开了一种冷热电短期负荷预测方法，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。本发明提供的冷热电短期预测方法比传统预测方法具有更快的运算速度和较高的预测精度。

技术领域

本发明属于电力负荷领域，具体涉及一种冷热电短期负荷预测方法及系统。

背景技术

冷热电短期预测可以帮助运行人员制定供能系统的最佳调度策略，实现能源设备高效运行。目前常用的预测方法有支持向量机、灰色理论分析、人工神经网络等，但是这些算法需要有大量的历史数据作为基础，预测过程中也需要对大量参数进行调参，运算速度较慢。

发明内容

为了解决上述技术问题，本发明提出一种基于改进熵权法的冷热电短期预测方法及系统。

一种冷热电短期负荷预测方法，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。

在本发明的一实施方式中，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。

其中，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。所述相关性分析的方法采用皮尔逊相关性系数法。

在本发明的一实施方式中，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；