[发明专利]基于聚类分析与灰靶理论的中长期电力负荷预测方法

摘要

本发明是一种基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特点是：充分考虑影响因素之间的相关性并予以消除，解决了其可能导致的预测准确度下降问题，准确分析各因素对于电力负荷的影响程度，提升负荷预测的精度，方法具有较强的适应性，可用于预测年最大负荷、年用电量等电力负荷特性指标。

主权项

1. 基于聚类分析与灰靶理论的中长期电力负荷预测方法，其特征在于，它包括以下步骤：（1）样本的分类与筛选确定预测量的影响因素，观测各影响因素的样本数据，分析样本的模糊相似关系，根据样本的独特性、相似性、亲疏程度进行分类与筛选，1）观测样本数据设有m个样本，每个样本包括持续观测得到的n个样本元素，观测数据矩阵X如下：，（1）式中，下标i表示第i个样本，下标j表示第j个时间段，x_i表示第i个样本序列，x_ij表示观测数据矩阵X的样本元素，将样本元素转化为标么值，计算方式如下：（2）将观测数据矩阵X转化为标么值矩阵，，（3）2）定义样本距离样本距离是两个样本之间的欧氏距离，计算方式如下：（4）式中，d_pq表示样本p和样本q之间的距离，3）聚类与筛选每个样本自成一类，分别计算类与类之间的距离，将距离最小的两类设为类a和类b，合并成一个新类r，按计算类r与其他类的距离，重复本步骤，直至所有样本合并成一类，观察各类之间的距离，将距离小于0.2的类合并，新类的样本元素为所合并类的对应元素平均值，其他类保留，组成观测矩阵X的简化矩阵F； （2）计算权重系数根据聚类结果构造标准模式，对样本进行统一测度变换，分别计算各样本的靶心度和权重系数，1）构造标准模式定义标准模式为，对极大值极性指标，取，对极小值极性指标，取，对适中值极性指标，取，2）统一测度变换（5）式中，T称为统一测度变换，y_ij是变换后的样本元素数值，y_ij[0,1]，3）权重系数计算，（6）式中，Δ_ij表示样本元素y_ij与标准值y_j^*之间的距离，（7）式中，称为靶心系数，（8）式中，为y_i的靶心度，表示样本i对预测量的影响程度，（9）式中，为回归模型中的权重系数，分别计算各样本的权重系数，得到系数矩阵；（3）回归预测采用回归预测法，建立多元线性回归模型，（10）式中，Z表示预测量，F是步骤（1）的计算结果，K是步骤（2）的计算结果。