一种利用模糊时间序列进行电力负载短期预测的方法与流程

本发明涉及智能预测，尤其涉及一种利用模糊时间序列进行电力负载短期预测的方法。

背景技术：

1、在现代社会中，电力负载预测是一个十分重要的问题。准确的电力负载预测可以帮助电力系统规划电力供应，提高电力系统的效率和可靠性。同时，在能源管理、智能制造等领域，电力负载预测也具有重要的应用价值。

2、传统的电力负载预测方法主要采用时间序列分析、回归分析等方法，这些方法的主要思想是利用历史数据预测未来的负载情况。然而，这些方法存在一些缺陷。例如，当电力负载存在突变或异常情况时，这些方法容易失效。此外，这些方法通常只考虑时间序列数据的变化趋势，无法很好地反映数据的周期性。

3、近年来，随着模糊数学的发展，模糊时间序列逐渐成为电力负载预测领域的研究热点。模糊时间序列考虑了时间序列数据的不确定性和模糊性，可以更好地处理电力负载中的异常情况和周期性变化，具有更高的预测精度和鲁棒性。

技术实现思路

1、为了解决传统电力负载预测方法存在的不足，本发明提出了一种利用模糊时间序列进行电力负载短期预测的方法。该方法结合了模糊时间序列和传统的时间序列预测方法，包括以下步骤：

2、步骤1：数据预处理，将电力负载时序数据 x去趋势化得到时序数据 y。

3、步骤2：定义时序数据 y的论域 u。

4、步骤3：将论域 u划分为有序子集。

5、步骤4：定义模糊集，定义论域u上的模糊集：

6、。

7、步骤5：将数据y模糊化，利用模糊函数将每个输入模糊化，并确定所属模糊集为隶属度最大的模糊集。

8、步骤6：建立模糊逻辑关系，其中先件为 t时刻的输入数据所属模糊集，后件为 t+1时刻的输入数据所属模糊集。

9、步骤7：建立模糊逻辑关系组。

10、步骤8：匹配模糊逻辑关系组，在模糊逻辑关系组集合中匹配前件为的模糊逻辑关系组，得到：。

11、步骤9：计算所匹配得到的模糊逻辑关系组后件集合的权重，权重为。

12、步骤10：输出 t+1时刻的预测值：

13、， m为区间的中点。

14、优选的，所述的步骤1，通过在电力系统中采集电力负载时序数据 x，利用移动平滑滤波器获得序列 z，去趋势的时序数据 y=x-z；更优选的，所述的步骤1，通过在电力系统中采集电力负载时序数据 x，将其输入到窗口大小为5的移动平滑滤波器获得序列 z，去趋势的时序数据 y=x-z。

15、优选的，所述的步骤3，所述有序子集为；更优选的，所述的步骤3，所述有序子集为等长度的有序子集。

16、优选的，所述的步骤7具体为：将具有相同先件的模糊逻辑关系合并，建立模糊逻辑关系组。

17、优选的，所述的步骤8，通过将已知 t时刻的数据模糊化，并确定所属模糊集，在模糊逻辑关系组集合中匹配前件为的模糊逻辑关系组，得到

18、。

19、优选的，所述的步骤9具体为：计算所匹配得到的模糊逻辑关系组后件集合的权重，根据后件中模糊集的先后顺序赋予线性权重1，2，3……，并归一化处理，权重计算方式如下：。

20、优选的，所述的步骤10具体为：将匹配到的模糊逻辑关系组解模糊，输出 t+1时刻的预测值：。

21、从以上技术方案可以看出，本发明具有以下优点：

22、1.更好地处理电力负载中的异常情况和周期性变化。传统的时间序列方法往往无法处理电力负载中的周期性变化和异常情况，容易导致预测结果偏差较大。而本发明采用模糊时间序列建模和预测方法，能够较好地处理电力负载中的周期性变化和异常情况，提高了预测精度和鲁棒性。

23、 2.能够自适应地调整隶属函数和模糊度。本发明所提出的自适应模糊时间序列建模算法，能够根据数据的实际情况自适应地调整隶属函数和模糊度，提高了建模的精度和鲁棒性。

24、3.采用移动平滑滤波器进行数据预处理，以去除时间序列数据的变化趋势；同时对模糊逻辑关系组进行权重调整，进一步提高了预测精度。

技术特征：

1.一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤1，通过在电力系统中采集电力负载时序数据x，利用移动平滑滤波器获得序列z，去趋势的时序数据y=x-z。

3.根据权利要求2所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤1，通过在电力系统中采集电力负载时序数据x，将其输入到窗口大小为5的移动平滑滤波器获得序列z，去趋势的时序数据y=x-z。

4.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤3，所述有序子集为。

5.根据权利要求4所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤3，所述有序子集为等长度的有序子集。

6.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤7具体为：将具有相同先件的模糊逻辑关系合并，建立模糊逻辑关系组。

7.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤8，通过将已知t时刻的数据模糊化，并确定所属模糊集，在模糊逻辑关系组集合中匹配前件为的模糊逻辑关系组，得到：。

8.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤9具体为：计算所匹配得到的模糊逻辑关系组后件集合的权重，根据后件中模糊集的先后顺序赋予线性权重1，2，3 ……，并归一化处理，权重计算方式如下：。

9.根据权利要求1所述的一种利用模糊时间序列进行电力负载短期预测的方法，其特征在于，所述的步骤10具体为：将匹配到的模糊逻辑关系组解模糊，输出t+1时刻的预测值：。

技术总结
本发明涉及智能预测技术领域，公开了一种利用模糊时间序列进行电力负载短期预测的方法。选择n个输入数据作为移动平均的窗口大小；将窗口内的数据点取平均值，作为当前数据点的值；计算整个数据序列X的移动平均值，得到序列Z；从原始数据X中减去序列Z，获得去趋势序列Y。构建预测模型：定义序列Y的论域U；将论域U划分为有序的子集；定义模糊集A；利用模糊函数将每个输入模糊化，并确定所属模糊集；建立模糊逻辑关系；建立模糊逻辑关系组。预测：将已知t时刻的历史数据模糊化，并确定所属模糊集；匹配模糊逻辑关系组集合；计算权重；解模糊输出t+1时刻的估计值。

技术研发人员：王宇
受保护的技术使用者：山东省工业技术研究院
技术研发日：
技术公布日：2024/1/11