[发明专利]基于相空间重构与一阶局域法的能源负荷预测方法和系统

说明书

本发明属于能源管理系能源预测分析技术领域，公开了一种基于相空间重构与一阶局域法的能源负荷预测方法和系统。本发明在相空间重构基础上应用混沌局域模型进行分析预测，在对数据源进行分析和噪声处理的基础上，通过前期对历史数据的导入、检测、粗化，提高了预测的准确度，为用户的能源计划等提供可靠的技术支持。

技术领域

本发明属于能源管理系能源预测分析技术领域，具体涉及一种基于相空间重构与一阶局域法的能源负荷预测方法和系统。

背景技术

能源系统需要向用户提供安全、可靠、优质的能源，并且随时保持供能和负荷的平衡，从而有效的利用、节约能源。准确的能源负荷预测是保证这种平衡的一种重要手段。

能源系统负荷预测是指根据系统的运行特性、增容决策、自然条件和社会影响等诸多因素，研究或利用一套系统处理过去与未来负荷的数学方法，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。根据预测周期和用途的不同，一般可以将负荷预测分为长期、中期、短期和超短期负荷预测。其中，短期负荷预测对能源安全和经济的转换与供给具有重要意义，是制定转换计划和供给方案的主要依据。提高短期负荷预测的精度，可以在制定转换计划时更加合理的选择能源备用，安排机组启停次数，在满足客户用能的同时减少供能成本和价格。

由于能源系统负荷受到作息时间、生产工艺、气候、节假日及其他突发事件等的影响，具有时间性和不确定性等特点，具有很强的非线性特征。能源系统短期负荷预测的经典方法有各种时间序列预测法以及回归预测法。一般负荷预测方法需要量化各种因素的影响效果，以便准确建模，但这种量化常常会很困难。经典方法的应用有一定的局限性，而智能算法为负荷预测提供了强有力的工具，能提供更为精确的数学模型，提高负荷预测的准确度。但是，现有的经典预测方法在应用于厂区能源数据时往往具有局限性，同时存在计算量大的问题。

发明内容

本发明的目的在于提供一种基于相空间重构与加权一阶局域法结合的能源负荷预测方法，用以解决现有技术中的传统经典预测算法的局限性及计算量大的问题。

为了实现上述任务，本发明采用以下技术方案：

基于相空间重构与一阶局域法的能源负荷预测方法，包括如下步骤：

步骤1：采集厂区能源用量的原始数据，对原始数据进行异常点修正，得到样本数据；

步骤2：选择时间粒度，对样本数据根据选择的时间粒度进行数据粗化，得到样本时间序列；

步骤3：对步骤2得到的样本时间序列进行关联积分，由式Ⅰ获得曲线根据曲线的第一个局部极小值点获得时间延迟τ；

其中，S(m,t)为关联积分函数；

由式Ⅱ获得曲线S_cor(t)，根据曲线S_cor(t)的全局最小值点获得最佳嵌入窗t_w，再根据式Ⅲ获得嵌入空间维数m；

其中，为样本时间序列的自相关变量；

t_w＝m(m-1)τ 式Ⅲ

步骤4：根据步骤3得到的m和τ对样本时间序列进行混沌性分析，得到最大Lyapunov指数λ，若λ0，根据步骤3得到的m和τ进行相空间重构，对重构的相空间利用AOLMM模型预测厂区未来能源用量，结束；若λ≤0，重新采集其他厂区能源用量的原始数据并返回步骤1。

进一步的，时间粒度包括五分钟、十五分钟、半小时、1小时、1天和1周。

进一步的，步骤4预测厂区未来能源用量的时间为步骤2所选时间粒度的倍数。