[发明专利]一种气象因素影响下基于负荷特性的改进短期负荷的预测方法

摘要

本发明公开了一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，具体涉及短期负荷预测技术领域，其具体操作步骤如下：步骤1：从SCADA实时数据库和气象数据库导入原始的用户负荷数据并预处理；步骤2：依据负荷特性细分为典型五类负荷；步骤3：使用聚类算法结合相关影响因素分别对每一类典型负荷进行相似日细分。本发明通过采用负荷物理特性与属性聚类算法相结合的方法完成负荷二次细分，使用精度较高的优化改进粒子群优化径向基神经网络和最小二乘支持向量机回归模型等算法建立负荷短期改进预测模型，既能得到准确的负荷预测结果，又方便需求侧用户就地进行各类负荷针对性调控。

主权项

1.一种气象因素影响下基于负荷特性的改进短期负荷的预测方法，其具体操作步骤如下：步骤1：从SCADA实时数据库和气象数据库导入原始的用户负荷数据并预处理，其中，实时数据库为用电企业或者设备的用电负荷情况、电流、电压数据，以及企业或者设备的实时生产时间表数据，气象数据库为气温、湿度、风力以及风向数据；步骤2：依据负荷特性细分为典型五类负荷，其中，典型五类负荷分别为基本保障负荷、生产计划负荷、气象敏感负荷、照明调控负荷以及随机负荷；步骤3：使用聚类算法结合相关影响因素分别对每一类典型负荷进行相似日细分；步骤4：使用分布式预测模型对不同类型负荷分别预测，且所采用的预测方法为误差较小的优化改进粒子群优化径向基神经网络和最小二乘支持向量机回归模型算法；步骤5：通过耦合预测数据得到适用于需求侧响应的准确短期负荷预测数据，其中，耦合预测数据为根据各种负荷的关联程度以数据参数来量化出一个具体值。