技术摘要：
本发明公开了一种基于气象成分分解的夏季短期负荷预测方法，包括：对历史负荷时间序列数据进行分解处理，得到历史负荷日周期分量、历史负荷周周期分量、历史负荷低频分量和历史负荷高频分量；对历史温度时间序列数据进行分解得到历史温度周期分量和历史温度波动分量；  全部
背景技术：
近年来，随着我国电力市场改革的不断深入，电力系统短期负荷预测作为市场成 员竞价、市场出清、市场结算的重要依据，其预测结果的准确性对电力市场的有序运作意义 重大，精准的负荷预测也是保证电网安全可靠运行的前提条件。而夏季负荷受温度等气象 因素影响大，表现出随机性强、波动性大的特点，给夏季负荷预测工作带来了较大困难。 为了提升夏季负荷预测准确率，研究人员提出了利用频域分析的方法对负荷曲线 进行分解。由于电力负荷是具有周期性的时间序列，对于一组指定时域D的负荷时间序列P (t)，可以对其进行离散傅里叶分解，在得到不同角频率wi分量的基础上，通过适当的组合， 将P(t)重构成如下等式： P(t)＝a0 D(t) W(t) L(t) H(t) 式中，a0 D(t)是日周期分量，W(t)是周周期分量，L(t)是低频分量，H(t)为高频分 量。日周期分量和周周期分量是按固定周期变化的负荷分量，通是由人们日常生产和生活 规律决定的，其规律性和惯性较强；而低频分量是由于电网内偶然因素的影响造成的负荷 振荡，通常是由气象变化引起的，这部分负荷对气象变化更加敏感，因此又称为气象敏感负 荷；高频分量通常是负荷曲线中的一些高频噪声，反映了电力负荷的随机波动，属于不可预 测分量。 通过负荷成分分解，可以加强短期负荷曲线中不同组成成分与实际物理意义上的 对应关系。但在现有的研究中，研究人员往往只专注于短期负荷周期成分的分解，而忽略了 温度等气象因素的周期性。
技术实现要素：
本发明提供了一种基于气象成分分解的夏季短期负荷预测方法，在电力负荷预测 中结合气象温度因素，增加负荷各分量与气象因素分量之间的关联性，提高电力负荷的预 测准确度。 为了解决上述技术问题，本发明实施例提供了一种基于气象成分分解的夏季短期 负荷预测方法，包括： 获取历史负荷时间序列数据和历史温度时间序列数据，以及获取待预测日气象预 测序列数据； 对所述历史负荷时间序列数据进行分解处理，得到历史负荷日周期分量、历史负 荷周周期分量、历史负荷低频分量和历史负荷高频分量； 对所述历史温度时间序列数据进行分解处理，得到历史温度周期分量和历史温度 波动分量； 4 CN 111598303 A 说　明　书 2/6 页 根据所述待预测日气象预测序列数据和所述历史温度周期分量，计算得到待预测 日温度波动分量； 将所述待预测日温度波动分量作为输入参数输入至气象敏感负荷预测模型中，以 使所述气象敏感负荷预测模型输出待预测日负荷低频分量；其中，所述气象敏感负荷预测 模型是用于根据输入的温度波动分量而输出负荷低频分量的预测模型； 根据所述历史负荷日周期分量、历史负荷周周期分量、历史负荷高频分量和待预 测日负荷低频分量，计算得到预测日负荷时间序列。 作为优选方案，所述气象敏感负荷预测模型的构建过程为： 获取历史负荷低频分量和历史温度波动分量，并将所述历史负荷低频分量和历史 温度波动分量作为训练数据； 建立SVM模型，将所述训练数据作为输入参数输入至所述SVM模型进行训练优化， 得到气象敏感负荷预测模型。 作为优选方案，所述建立SVM模型，将所述训练数据作为输入参数输入至所述SVM 模型进行训练优化，得到气象敏感负荷预测模型的步骤，具体为： 将所述训练数据进行复制，得到训练集数据、验证集数据和测试集数据； 将所述训练集数据输入至建立的SVM模型进行训练，当达到预设的训练条件时，完 成对SVM模型的训练，得到训练模型； 将所述验证集数据输入至所述训练模型进行验证，当达到预设的验证条件时，完 成对所述训练模型的验证，得到验证模型； 将所述测试集数据输入至所述验证模型进行测试，当达到预设的测试条件时，完 成对所述验证模型的测试，得到气象敏感负荷预测模型。 作为优选方案，所述根据所述历史负荷日周期分量、历史负荷周周期分量、历史负 荷高频分量和待预测日负荷低频分量，计算得到预测日负荷时间序列的步骤，具体为： 对所述历史负荷高频分量进行加权平均处理，得到待预测日负荷高频分量； 将所述历史负荷日周期分量、历史负荷周周期分量、待预测日负荷高频分量和待 预测日负荷低频分量进行相加求和，得到预测日负荷时间序列。 作为优选方案，所述对所述历史负荷时间序列数据进行分解处理的步骤，具体为： 通过傅里叶分解技术对所述历史负荷时间序列数据进行分解处理。 作为优选方案，所述对所述历史温度时间序列数据进行分解处理的步骤，具体为： 通过傅里叶分解技术对所述历史温度时间序列数据进行分解处理。 作为优选方案，所述历史负荷时间序列数据为待预测日前14天的历史负荷数据。 作为优选方案，所述历史温度时间序列数据为待预测日前14天的历史温度数据。 本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括 存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的 设备执行如上述任一项所述的基于气象成分分解的夏季短期负荷预测方法。 本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储 器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实 现如上述任一项所述的基于气象成分分解的夏季短期负荷预测方法。 相比于现有技术，本发明实施例具有如下有益效果： 5 CN 111598303 A 说　明　书 3/6 页 本发明技术方案通过构建气象敏感负荷预测模型，根据待预测日温度波动分量得 到待预测日负荷低频分量，从而生成预测日负荷时间序列，实现在电力负荷预测中结合气 象温度因素，增加负荷各分量与气象因素分量之间的关联性，提高电力负荷的预测准确度。 附图说明 图1：为本发明提供的基于气象成分分解的夏季短期负荷预测方法的一种实施例 的流程示意图； 图2：为本发明提供的基于气象成分分解的夏季短期负荷预测方法的技术原理示 意图； 图3：为本发明提供的终端设备的一种实施例的结构示意图。