[发明专利]电力用户用电信息采集系统中夏季短期负荷预测的计算机生成方法

摘要

本发明涉及一种计算机数据处理方法，特别是一种电力用户用电信息采集系统的计算机数据修复方法，其要点在于，(1)对历史用电负荷及温度数据预处理；(2)建立夏季温度与用电负荷的相关模型：其中m，n为参数，ν为残差集；(3)计算夏季温度与负荷的相关系数ρ；(4)根据夏季温度数据及其与负荷的相关度，考虑待预测数据对应前一周的数值的依赖性，得到最终负荷预测值。本发明提供了一种对夏季用电负荷的短期预测方法，精度高，实用性强。

主权项

1.电力用户用电信息采集系统的计算机数据修复方法，其特征在于，(1)提供一种计算机预处理模块，其对前一年夏季负荷及温度数据预处理，每天负荷为15分钟或30分钟一个记录点；取每天负荷计算平均值记为(第i天负荷平均值)，第i天最高温度记为T_i。记T＝(T₁，......，T_n)，经过线性变换，取x_i＝T_i-min(T)，y＝(y₁，......，y_n)，x＝(x₁，......，x_n)；(2)提供一种工作日预处理数据存储模块和节假日预处理数据存储模块，二者分别连接计算机预处理模块，计算机预处理模块将步骤1)中预处理的负荷数据和温度数据根据工作日和节假日情况分别存入工作日预处理数据存储模块和节假日预处理数据存储模块；(3)提供一种中央处理模块，其分别与工作日预处理数据存储模块和节假日预处理数据存储模块连接，该中央处理模块首先从工作日预处理数据存储模块中提取预处理数据，对工作日数据建模，其中m，n为参数，ν为残差集；(4)对模型变形，得到y≠0 & 1，m＞0，μ为变换后残差集；(5)利用OLS方法计算模型的相关参数m，n；(6)对残差集进行DW方法验证和修正，去除残差集的自相关性，对步骤(5)中的所获得的参数进行修正，从而得到模型y≠0 & 1，m1＞0，μ1为残差；(7)对残差集μ₁进行DW验证，重复步骤(5)、(6)，直到μ_k无自相关，从而得到最终模型为y≠0 & 1，m_k＞0，μ_k为无自相关的残差集。(8)中央处理模块进一步从节假日预处理数据存储模块提取预处理数据，对节假日建模，按照(3)～(7)的步骤，并预处理后的负荷与温度数据为y_h，x_h，计算出节假日的模型为：y_h≠0 & 1，m^h_k＞0，μ^h_k为无自相关的残差集。(9)定义因此，最终预测模型为f(x)=1x×(max(A‾)-min(A‾)1+mke-nkx+min(A‾))+(1-1x)×(max(A‾h)-min(A‾h)1+mhke-nhkx+min(A‾h))+v]]>ν为无自相关残差集。(10)中央处理模块设定待预测天数负荷A_i＝(A_i，1，......，A_i，p)，从工作日预处理数据存储模块和节假日预处理数据存储模块中提取与其对应的上一周的负荷数据集A_k＝(A_k，1，......，A_k，p)作为参考集，并记录其平均负荷及平均温度T_i，T_k存储到与中央处理模块连接的预测数据存储模块中；(11)根据步骤9)所得的模型计算出待预测天数的平均负荷估计值和上周对应平均负荷估计值(12)令为其他因子干扰项，并计算与x的相关系数ρ；(13)计算每天不同时刻负荷的权重及与上周负荷的相关性，得到预测负荷为A^i,j=A‾^i+hkA‾k×Ak,j×ρ3+Ak,j×(1-ρ3)]]>(14)将预测结果返回给电力用户用电信息采集系统。