[发明专利]基于分配因子和信息熵的母线负荷组合预测方法及系统

权利要求书

1.一种基于分配因子和信息熵的母线负荷组合预测方法，其特征在于，包括：

确定预测日，根据电网中的负荷确定所述预测日的相似日；

根据所述相似日的各类型负荷的历史数据确定分配因子；

确定至少两个预测模型，以预测精度为目标属性，通过信息熵确定每个预测模型的权重向量，根据所述权重向量对每个所述预测模型进行加权，得到组合预测模型；

根据所述分配因子对所述历史数据进行处理后，输入到所述组合预测模型中，得到所述预测日的母线负荷预测结果；

以预测精度为目标属性，通过信息熵确定每个预测模型的权重向量，根据所述权重向量对每个所述预测模型进行加权，得到组合预测模型，具体包括：

构造决策矩阵，计算所述决策矩阵的特征值，得到特征值矩阵；

对所述特征值矩阵进行规范化处理和归一化处理，得到标准矩阵；

根据所述标准矩阵计算目标属性的信息熵，通过所述信息熵确定每个所述预测模型的权重向量；

根据以下公式计算权重向量：

R＝(r_pq)_m×s

其中，ω_pt表示第p个预测模型在t时刻的权重向量，E_p表示第p个预测模型的信息熵，R表示标准矩阵，m表示预测模型的数量，s表示相似日的总天数，r_pq表示规范化处理和归一化处理后的第p个预测模型在第q相似日的特征向量，r′_pq表示中间变量；

设P_A，k，i(t)为第i天k类型在t时刻的类型负荷，利用最小二乘模型中的一次曲线y＝p+q·i，对前n天的历史数据进行计算，由最小乘法的相关公式，可得：

其中，k和t在每次计算中都是定值，

得到一次曲线y＝p+q·i，这条曲线能够度量前n天负荷的变化趋势，利用这个变化趋势来预测n+1天的值，得到n+1天的初步母线负荷为：

P_A，k，i(t)＝p+q(n+1)

通过改变t的取值，重复应用上述过程，确定n+1天的类型负荷数据，计算出n+1天k类型t时刻的类型负荷分配系数K_A，k，n+1(t)：

式中C表示预测系统中划分类型的类型总数，c为计数变量。

2.根据权利要求1所述的基于分配因子和信息熵的母线负荷组合预测方法，其特征在于，根据电网中的负荷确定所述预测日的相似日，具体包括：

确定至少两个负荷相关因素，根据全部所述负荷相关因素确定每个历史日和所述预测日的特征向量，根据特征向量之间的几何空间距离确定每个历史日与所述预测日的日特征相似度；

确定预设日周期，根据所述预设日周期确定每个历史日和所述预测日的平均负荷序列，根据所述平均负荷序列确定每个历史日与所述预测日的趋势相似度；

根据所述日特征相似度和所述趋势相似度确定总相似度，根据所述总相似度从全部历史日中选择所述预测日的相似日。

3.根据权利要求2所述的基于分配因子和信息熵的母线负荷组合预测方法，其特征在于，根据以下公式计算所述总相似度：

T_ij＝βF_ij+λO_ij

λ+β＝1

其中，T_ij表示第i日和第j日的总相似度，O_ij表示第i日和第j日的日特征相似度，F_ij表示第i日和第j日的趋势相似度，λ和β为已知参数，H表示负荷相关因素的数量，第i日的日特征向量为(u_i1，u_i2，…，u_iH)^T，第j日的日特征向量为(u_j1，u_j2，…，u_jH)^T，u表示负荷相关因素，表示第i日的预设日周期的平均负荷序列，表示第j日的预设日周期的平均负荷序列，表示第i日负荷序列的平均负荷，为第j日负荷序列的平均负荷，K为预设日周期的天数，E()表示数学期望，D()表示方差。