一种基于快速周期分量提取的电力短期负荷预测方法

摘要

本发明公布了一种基于快速周期分量提取的电力短期负荷预测方法，本发明对训练数据信号进行频谱分析，依次提出信号的周期及非周期分量，再对周期分量进行循环预测，非周期分量进行差分自回归滑动平均模型预测，得到预测日一天的负荷情况，本发明为电力系统短期负荷预测提供了一种新的快速检测方法，解决了目前电力系统网络结构复杂、参数不稳定的非线性系统中负荷短期预测的问题。

主权项

一种基于快速周期分量提取的电力短期负荷预测方法，其特征在于，包括以下步骤：（A）选取要预测日期之前一段时间序列的负荷作为历史负荷数据信号，对得到的信号去均值处理，并进行快速离散傅立叶变换，得到信号的频域变换；（B）将步骤（A）得到的信号进行最大谱峰搜索，提取各频率分量及信号相应的低频趋势分量，并把各分量还原到观测域，再把提取的周期分量进行循环平移处理消噪，提取的非周期分量不做循环平移处理，直到提取的某一分量的幅值小于一给定的阈值；（C）步骤（B）中得到的周期分量相加，并把开始一天的负荷值作为周期分量的预测值，对剩余的非周期部分利用差分自回归滑动平均（ARIMA）模型直接一次预测下一天非周期分量的负荷值；（D）步骤（C）中周期分量的预测负荷值、非周期分量的预测负荷值与原数据中直流分量相加，即可得到要预测日期一天的负荷。