[发明专利]基于关联分析与卡尔曼滤波法的短期负荷预测方法

权利要求书

1.基于关联分析与卡尔曼滤波法的短期负荷预测方法，其特征在于：包括以下步骤：

步骤一：构建天气相似日判定模型：表征天气特征的参数包括日最高温、日最低温、日风速和日风向，模型判定天气差异程度，公式如下：

其中，WD表示两天之间的差异程度，HT为日最高温，LT为日最低温，WS为风速，WD为风向，i为待预测日的日期，j表示日期i之前不超过一年的某个日期；选择天气差异最小的那天为预测日期的相似天气，即WSD(i)＝min(WD(i,j))；

步骤二：计算负荷相关系数：计算天气相似日负荷相关系数WeCC、相邻日负荷相关系数LDCC与上周同日负荷相关系数LWCC，公式如下：

式中，i为负荷待预测日的日期，i-d为待预测日前d天的日期，E_i-d为预测日i前d天一天的负荷序列，E_WSD(i-d)为与待预测日i前d天天气相似日的负荷，corrcoef()表示求取序列相关系数；

步骤三：确定固有预测误差cd，初始最优预测偏差vd与初始总体偏差td；

步骤四：确定负荷观测序列OE_i与负荷预测序列FE_i1与FE_i2；

所述步骤四中待预测日的负荷观测序列OE_i与负荷预测序列FE_i1与FE_i2的确定方法为：取与三类负荷相关系数[WeCC,LDCC,LWCC]中最大值相对应的[E_WSD(i),E_i-1,E_i-7]作为OE_i，同时将剩余的两个序列作为FE_i1与FE_i2；

步骤五：预测目标日期的负荷PE_i，

所述步骤五中待预测日期的负荷PE_i的计算，公式如下：

PE_i(q)＝λ×OE_i1(q)+β×OE_i2(q)       (3)

式中，λ与β分别指与FE_i1和FE_i2相对应的负荷关联系数占总体的比例，随预测进行不断的迭代更新，更新操作为继续利用公式(1)、公式(2)和公式(3)进行计算。

2.根据权利要求1所述的基于关联分析与卡尔曼滤波法的短期负荷预测方法，其特征在于：所述步骤一中风向按照二维坐标形式体现，将向量的模长定义为1，即依次代表北风、东北风、东风、东南、南风、西南风、西风和西北风，||WD_i-WD_j||₂为i日与j日风向的欧式距离。

3.根据权利要求1所述的基于关联分析与卡尔曼滤波法的短期负荷预测方法，其特征在于：所述步骤二中求取序列相关系数的公式为：

式中，A与B为长度同为L的序列，k为序列A或B中的元素编号，为序列A中元素的均值为序列B中元素的均值，

4.根据权利要求1所述的基于关联分析与卡尔曼滤波法的短期负荷预测方法，其特征在于：所述步骤三中固有预测误差cd，初始最优预测偏差vd与初始总体偏差td的计算方法，公式如下：

vd＝max(|E_i-v(p)-E_i-1-k(p)|)，

式中，v和k∈(1,2,3,4,5,6,7)，i为待预测日的日期，p为一天中的某个时刻，与每天的数据采集断面数有关。

5.根据权利要求1所述的基于关联分析与卡尔曼滤波法的短期负荷预测方法，其特征在于：所述的短期负荷预测适用个体用户以及区域整体，针对全天各时段负荷进行预测。