[发明专利]一种基于日特征向量优化的灰色模型电量预测方法

权利要求书

1.一种基于日特征向量优化的灰色模型电量预测方法，其特征在于，包括以下步骤：

1)根据日特征向量法计算出从预测日开始未来十天的日用电量数据；

2)通过灰色模型算法预测当月的月用电量；

3)基于等维递补和灰色模型算法预测下月的月用电量。

2.根据权利要求1所述的一种基于日特征向量优化的灰色模型电量预测方法，其特征在于，所述步骤1)日用电量数据的计算方法为：

1-1)计算气象因子，分别计算各历史日最高温度、最低温度、平均温度和湿度四个子因素与预测日的匹配系数，计算公式如下：

sj=minj+ρmaxjvaluej+ρmaxj---(1)]]>

其中，S_j为第j个子因素的匹配系数，j＝1,2,3,4，分别代表最高温度、最低温度、平均温度和湿度，min_j为第j个子因素预测日与历史日差值的最小绝对值，max_j为第j个子因素预测日与历史日差值的最大绝对值，value_j为第j个子因素预测日与历史日差值的绝对值，ρ为调整系数；

然后对每个子因素的匹配系数做加权平均即得到气象因子T：

T=14(S1+S2+S3+S4)---(2)]]>

1-2)计算时间因子D，计算公式如下：

D=β1mod(t,7)β2int(t/7)---(3)]]>

其中，β₁为日衰减系数，β₂为周衰减系数，t为预测日与历史日的日期差值，mod为取余函数，int为取整函数；

1-3)计算星期因子W，计算公式如下：

W＝1-|f(X₁)-f(X₀)|(4)

其中，f(X₁)为历史日的星期类型，f(X₀)为预测日的星期类型，X₁的取值为周一，周二，周三，周四，周五，周六，周日，f(X₁)的取值为：f(周一)＝0.1，f(周二)＝f(周三)＝f(周四)＝0.2，f(周五)＝0.3，f(周六)＝0.7，f(周日)＝1；1-4)计算综合相似系数，采用气象因子、时间因子、星期因子相乘的方式得到综合相似系数，取综合相似系数最大的前5名作为相似日集合，对相似日的日用电量以相似系数作为权重进行加权平均后作为预测日的日用电量。