[发明专利]一种智能家电用电日负荷预测方法

说明书

本发明公开了一种智能家电用电日负荷预测方法，包括：获取智能家电用电96点历史负荷数据、气象数据、日期数据，并进行预处理；根据季节、日期数据依次对预处理后的历史负荷数据聚类；采用Pearson相关分析法，定量地找出与智能家电用电日负荷相关性大的气象因子作为数据样本输入预测前置参考数据；采用粒子群PSO算法对LSSVM模型的参数进行优化；采用BP神经网络对优化后的LSSVM模型进行残差修正；对需要预测的智能家电用电日负荷进行预测。该方法考虑多元影响元素，利用组合方式对选取方法取长补短，提高预测精度；能够精确地预测智能家电用电日负荷数据，为电网的安全运行及电力规划提供依据，同时可以为需求侧管理提供决策支持。

技术领域

本发明涉及智能家电用电量预测技术领域，特别涉及一种智能家电用电日负荷预测方法。

背景技术

目前，现有负荷预测对象主要是针对地区电网大范围的宏观预测，没有开展细粒度的单个居民用户用电负荷预测，更没有对居民用户单个智能家电进行更细粒度负荷预测。

然而随着经济的快速发展及居民生活水平的不断提高，各类高档和中档家用电器进入了人们的生活，居民用电在全社会用电中占据了相当大的比例。社会的不断发展导致居民用电呈指数增长的趋势，电网峰谷差逐渐拉大，居民用电负荷预测是进行电量平衡分析的基础。

随着电网智能化水平的不断提高，宏观预测结果已经不能满足电网发展的需要，因此，需要对居民用户单个智能家电进行更细粒度负荷预测。

但是，目前对居民用户单个智能家电负荷预测，多采用单一方法或组合方法对负荷进行预测，而前期分析训练样本是有限的，后期随着样本量的增加，造成预测精确性、收敛性及稳定性逐渐降低，难以获得理想的预测结果。

因此，如何准确地对居民用电负荷进行预测，是智能电网发展亟需解决的问题。

发明内容

本发明的目的在于提供一种至少部分解决上述技术问题的智能家电用电日负荷预测方法，该方法基于多元影响因素的考虑，实现科学、合理、准确的居民家电用电预测，提高预测精度。

为实现上述目的，本发明采取的技术方案为：

本发明提供一种智能家电用电日负荷预测方法，包括以下步骤：

S10、获取智能家电用电96点历史负荷数据、气象数据、日期数据，并进行预处理；

S20、根据季节、日期数据依次对预处理后的历史负荷数据聚类；

S30、基于聚类结果，采用Pearson相关分析法，定量地找出与智能家电用电日负荷相关性大的气象因子作为数据样本输入预测前置参考数据；

S40、基于预处理后数据中部分数据作为第一训练数据，构建LSSVM模型进行训练，采用粒子群PSO算法对LSSVM模型的参数进行优化；

S50、基于预处理后数据中部分数据作为第二训练数据，采用BP神经网络对优化后的LSSVM模型进行残差修正；

S60、根据优化后的LSSVM模型及BP神经网络模型，对需要预测的智能家电用电日负荷进行预测。

进一步地，所述步骤S10中，智能家电用电96点历史负荷数据的预处理，包括：

当日负荷曲线的第一个点非正时，用之后的第一个正值点代替；当日负荷曲线的其他点非正时，用该点的前一个正值点代替；

采用相邻两点的平均值来修正虚假数据点；所述虚假数据点是指：某一时刻的负荷和其前后负荷值进行比较，如果偏差在预设倍数以外；

对历史负荷数据采用对数进行归一化处理，使处理后的负荷在共同的数值特性范围内。

进一步地，所述步骤S10中，智能家电用电96点历史负荷数据对应的气象数据预处理，包括：