一種基于模糊聚類的中長期電力負荷預測方法
【技術領域】
[0001] 本發明涉及一種基于模糊聚類的中長期電力負荷預測方法，適用于電網的年最大 負荷、年用電量預測。
【背景技術】
[0002] 負荷曲線反映用戶的用電特點及規律，通過負荷變化趨勢，安排電力系統運行方 案，安排供電設備計劃，安排設備檢修計劃等，而中長期負荷變化趨勢更是電網規劃的基 礎，電網規劃又是電網建設的依托。因此，如何準確進行負荷預測已經成為提高電網運行合 理度及其規劃質量的前提。
[0003] 電力負荷受到的影響因素眾多，具有較強的不確定性和隨機性，且相互之間存在 著一定的關聯性，當使用傳統方法進行電力負荷預測時，在確定影響因素對被預測量的影 響程度時，由于影響因素之間的關聯性極有可能導致信息重疊，導致預測模型的精準度降 低。傳統預測方法大致可以分為參數估計法和人工智能法，經過不斷演化，傳統預測模型都 已較為成熟。傳統預測方法多以如"負荷相關經濟數據"等負荷間接影響因素或者電力負荷 數據序列本身進行建模和分析，有效地利用負荷相關經濟數據或者序列自身反應的一些隱 含信息，但這些信息還不夠全面、完整。
[0004] 對于中長期電力負荷預測來說，怎樣消除眾多負荷影響因素的相關性，挖掘如"主 要行業用電量"等負荷直接影響因素的新信息，從而更加準確、全面的表述影響因素對負荷 的作用量，對提高負荷預測精度具有重要的意義。
【發明內容】
[0005] 本發明的目的是，提供一種能充分考慮負荷影響因素之間的關聯性并予以消除， 更加全面的、深刻的挖掘負荷直接影響因素的新信息，提升負荷預測精準度，科學合理，簡 便易行，適用性強的基于模糊聚類的中長期電力負荷預測方法。
[0006] 為實現上述目的，所采用的技術方案是：一種基于模糊聚類的中長期電力負荷預 測方法，其特征是，包括以下步驟：
[0007] 1)消除影響因素間的強相關性
[0008] 為了消除電力負荷影響因素彼此之間的強相關性，作出精確預測，需采用模糊聚 類法對影響因素進行分類，相關性較強的若干因素將被歸為一類，便于分析其對電力負荷 的整體影響；
[0009] 設有m個樣本，每個樣本包括持續觀測得到的η個樣本元素，觀測數據矩陣X如下：
[0010]
⑴
[0011] (2)
_ (3)
[0013] ⑷
[0014] 其中，下標i表示第i個樣本，下標j表示第j個時間段，Xl表示第i個樣本序列，XlJ表 示觀測數據矩陣乂的樣本元素，其中，16[1， 111]，_]_6[1，11]，(11)(1表示樣本口和樣本9之間的歐氏 距離，
[0015] 每個樣本自成一類，分別計算類與類之間的歐氏距離，將距離最小的兩類設為類a 和類b，合并成一個新類r，按drz =min {daz，dbz}計算類r與其他類的距離，重復本步驟，直至 所有樣本合并成一類，
[0016] 觀察各類之間的距離，將距離小于某些定值的類合并，新類的樣本元素為所合并 類的對應元素的加和，其他類保留，組成觀測矩陣X的簡化矩陣F;
[0017] 2)行為因子對主行為影響程度的確定
[0018] 以被預測量的最大負荷構造灰色絕對關聯度理論中的主行為序列；以所有影響因 素模糊聚類后的各個新類構造被預測量的行為因子序列，
[0019] 為了得到行為因子對主行為的影響程度或行為因子對主行為的貢獻測度，采用灰 色絕對關聯度分析，認為兩者的灰色絕對關聯度越大，則行為因子與主行為的影響越大，
[0020] 定義長度相同的系統行為因子序列Xi = (xi⑴Xi⑵…Xi(n))，其中ie[l，9]，9< m;主行為序列八=(x..( ,··:·.'(_?)，因子序列和主行為序列的始點零化序列為：Xi〇 = (Xi〇(i) Xi〇(2)…叉洲!!)），其中ie[l，0]，0<m;Xz〇=(xz〇(i) χζ〇(2)…叉咖!!)），令
t5) ? 6) (7) -(8) L0025」其中，i e [ 1，θ ]，Θ <m，δ1ζ為行為因子序列X,和主行為序列Xz的灰色絕對關聯度， [0026]影響程度的歸一化處理：
[0027]
(9)
[0028] 其中，ie[l，0] 為回歸模型中的權重系數;分別計算行為因子的權重系 數，得到權重系數矩陣K=[ki k2 ···!?];
[0029] 3)模型構建
[0030] 根據模糊聚類分析得出的觀測矩陣X的簡化矩陣F，依據灰色絕對關聯度原理計算 出聚類后各行為因子的權重系數矩陣K，對簡化矩陣F中的Θ個樣本的數據進行數據擬合，得 到0個的樣本各自隨后α年的預測值，組成矩陣 Fl，得：
[0031]
(.10)
[0032]其中，Z表示預測值，T表示調整系數，其中T的確定過程如下：
[0033]用計算得到的系數矩陣K與聚類后的簡化矩陣F相乘，得到新的矩陣KF:
[0034] KF = K?F=[kfi kf2 ???kfn] (11)
[0035] 各年實際負荷量矩陣freal=[frl fr2…frn]，而Tj的值為：
[0036]
(i2)
[0037] 進而可得調整系數T:
[0038]
(13):,,
[0039] 本發明提出的一種基于模糊聚類的中長期電力負荷預測方法能夠通過模糊聚類 算法對影響因素進行分類、整合，利用灰色絕對關聯度理論確定行為因子對主行為影響的 權重系數，深挖負荷直接影響因素的信息量，其優點體現在：
[0040] 1.充分考慮負荷直接影響因素之間的相關性并予以消除，解決了其可能導致的預 測準確度下降問題；
[0041] 2.準確得出電力負荷直接影響因素對于電力負荷的影響程度，提升負荷預測的精 度；
[0042] 3.方法科學合理，簡便易行，具有較強的適應性，適用于中長期電力負荷預測和年 用電量預測。
【附圖說明】
[0043]圖1為模糊聚類流程圖；
[0044] 圖2為一種基于模糊聚類的中長期電力負荷預測方法流程圖；
[0045] 圖3為聚類分析結果圖。
【具體實施方式】
[0046] 下面利用實例對本發明的一種基于模糊聚類的中長期電力負荷預測方法進行詳 細描述。
[0047] 參照圖1-圖3,本發明的一種基于模糊聚類的中長期電力負荷預測方法，包括以下 步驟:首先應確定預測量及其影響因素;其次，通過觀測獲取各影響因素在一定時間范圍內 的樣本數據，建立樣本數據的模糊相似關系，分析各樣本的獨特性、相似性與親疏程度等特 征，對近似樣本進行歸并、分類與篩選;然后，依據分類結果，分析計算聚類后各樣本序列與 預測量序列的灰色絕對關聯度及樣本序列的權重系數;最后，以樣本聚類結果隨后擬合數 據預測值為自變量，建立預測量的預測模型，開展最大負荷預測。
[0048] 以某電網的年最大負荷預測為例，若其直接影響因素為按照行業用電分類標準劃 分的八個主要行業年用電量，表1為預測量與影響因素連續十一年的觀測值，
[0049]表1某電網年最大負荷及主要行業年用電量 [0050]
[0052] 1)消除影響因素間的強相關性
[0053] 為了消除電力負荷影響因素彼此之間的強相關性，做出精確預測，需采用模糊聚 類法對影響因素進行分類，相關性較強的若干因素將被歸為一類，便于分析其對電