[发明专利]一种基于贝叶斯分类的电网系统短期负荷预测方法

权利要求书

1.一种基于贝叶斯分类的电网系统短期负荷预测方法，其特征在于，包括以下步骤：

S1，建立电网系统短期负荷预测指标；

S2，基于贝叶斯分类建立隶属度模型；

S3，实现模型计算数据并行化处理。

2.根据权利要求1所述的基于贝叶斯分类的电网系统短期负荷预测方法，其特征在于，所述步骤S1中，建立电网系统短期负荷预测指标，具体包括：

S101，将采集后的数据进行数据预处理，将异常的数据进行过滤，再利用数据去噪的方式进行去噪：

式中，AE(T)为数据去噪后的数值，t₁为原始数据，t₂为数据异常，A为去噪的滤波系数；

S102，进行负荷数据的统一处理：

式中，n为数据样本，p为样本n在时刻i的短期负荷。

3.根据权利要求1所述的基于贝叶斯分类的电网系统短期负荷预测方法，其特征在于，所述步骤S2中，基于贝叶斯分类建立隶属度模型，具体包括：

S201，采用随机变量的独立特征方式建立父节点给定的构成规则：

式中，p(x)为规则式，x为随机变量，r为节点的取值的组合数量；

S202，建立基于贝叶斯分类的分类器，采用实例数据进行分类器的学习和训练：

式中，α为基于贝叶斯分类的分类器的正则化因子，p(c)为先验的分类概率，反映了样本数据在该模型中的训练效果。

4.根据权利要求1所述的基于贝叶斯分类的电网系统短期负荷预测方法，其特征在于，所述步骤S3中，实现模型计算数据并行化处理，具体包括：

S301，将时间的列向量转置为一个可进行并行化处理的矩阵，矩阵的负荷时间序列采用横行的数据代表，因此矩阵的横行数据为m，转置得到一个n维的行向量，则矩阵属性的数据为n，矩阵的计算结果就是数据分片与维度的乘积；

S302，对矩阵中的所有数据进行合并操作，m的长度由n来决定。m×n的矩阵每一行代表一个负荷时间序列，在传统的电网系统短期负荷预测方法中，原始模型预测方法会将矩阵中的m个变量进行整体序列处理，然后在矩阵中输入各影响因素相关的变量，得到的负荷预测值是基于贝叶斯分类器分类进行学习和训练过的。