[发明专利]一种基于混合模型的短期电力负荷预测方法

权利要求书

1.一种基于混合模型的短期电力负荷预测方法，其特征在于，包括以下步骤：

S1：基于原始电力负荷数据建立自回归差分移动平均模型，得到平稳序列y_t与预测值

S2：通过平稳序列y_t与预测值得到残差序列e_t；

S3：针对残差序列e_t采用时间卷积网络模型建模，得到结果

S4：将自回归差分移动平均模型和时间卷积网络模型的预测结果进行线性组合，得到最终的预测结果；

S5：对最终得到的预测结果，利用步骤S3的模型来计算性能指标，来评价预测效果。

2.根据权利要求1所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S1中，包括以下子步骤：

S11：对原始电力负荷数据进行平稳性检验，如果该时间序列为非平稳时间序列，则进入步骤S12；

S12：绘制原始时间序列曲线，观察其水平方向和坡度的变化特征，初步判断差分阶次d，然后对原始数据进行差分处理，并判断处理后序列的平稳性，当处理后的数据通过平稳性检验，差分处理后的平稳序列记为y_t；

S13：计算差分序列的平均值、方差、自方差函数、自相关函数和偏自相关函数等。绘制自相关函数和偏自相关函数图，并初步确定自回归差分移动平均模型中的参数p和q的组合；

S14：对每种参数组合的候选模型的自回归系数和移动平均系数进行参数估计；

S15：分别计算每个候选模型的残差平方和，然后选择使残差平方和达到最小值的模型参数p和q；

S16：基于最终确定的自回归差分移动平均模型，实现对负荷数据的预测，并记预测值记为

3.根据权利要求2所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S2中，通过以下公式，得到残差序列e_t，其公式为：

4.根据权利要求2所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，残差序列e_t包含了原始电力负荷序列中的非线性特征。

5.根据权利要求3所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S3中，包括以下子步骤：

S31：取不同扩大因子d和不同卷积核k进行组合，不同参数组合对应一个候选模型；

S32：针对每一候选模型进行建模和预测，并计算对应的预测性能指标值；

S33：通过比较所有候选模型的预测性能指标值，选择最小值对应的参数组合作为时间卷积网络模型的最终参数，并将该参数对应时间卷积网络模型的预测结果记为

6.根据权利要求5所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S32中，预测性能指标值包括平均绝对误差和均方根误差。

7.根据权利要求6所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，所述平均绝对误差通过以下算法得到：

其中，为预测值，x_i为原始值，n为序列长度。

8.根据权利要求6所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，所述均方根误差通过以下算法得到：

其中，为预测值，x_i为原始值，n为序列长度。

9.根据权利要求6所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S4中，将自回归差分移动平均模型和时间卷积网络模型的预测结果根据以下算法进行线性组合：

10.根据权利要求9所述的一种基于混合模型的短期电力负荷预测方法，其特征在于，在步骤S5中，对最终得到的预测结果，利用平均绝对误差的算法和均方根误差的算法计算性能指标，来评价预测效果。