(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111427827.7 (22)申请日 2021.11.26 (71)申请人 国网四川省电力公司成 都供电公司 地址 610000 四川省成 都市锦江区东 风路 17号西院西一楼及档案楼部分房屋 (72)发明人 郑瑞骁　段登伟　柳维衡　韦炜　 廖彦洁　陈智　张正炜　赵艾萱　 聂中睿　朗光娅　宋航　杨哲涵　 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 代理人 张杨 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于GM(1,1)的日最大气象敏感负荷的预测 方法 (57)摘要 本发明公开了一种基于GM(1,1)的日最大气 象敏感负荷的预测方法， 包 括如下步骤： S100： 收 集气象历史数据， 并根据气象历史数据建立GM (1,1)预测模型； S200： 根据GM(1,1)预测模型进 行基准负荷的预测； S300： 基于基准负荷的预测 的结果， 进行气象敏 感负荷的提取； S400： 基于提 取的气象敏感负荷完成日最大气象敏感负荷的 预测， 通过灰色模型实现气象敏感负荷的提取， 从而完成日最大气象敏感负荷的预测， 能够有效 的实现日最大气象敏感负荷的预测， 提高精确 度， 降低其 他因素的影响。 权利要求书2页 说明书7页 附图3页 CN 114048922 A 2022.02.15 CN 114048922 A 1.基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特 征在于， 包括如下步骤： S100： 收集气象历史数据， 并根据气象历史数据建立GM(1,1)预测模型； S200： 根据GM(1,1)预测模型进行基准负荷的预测； S300： 基于基准负荷的预测的结果， 进行气象敏感负荷的提取； S400： 基于提取的气象敏感负荷完成日最大气象敏感负荷的预测。 2.根据权利要求1所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 所述气象历史数据包括电力负荷以及温度。 3.根据权利要求1所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 在步骤S100中， 在收集气象历史数据后， 针对于该气象历史数据进行归一化处理， 并根 据归一化处理后的数据， 建立GM(1,1)预测模型。 4.根据权利要求1 ‑3任意一项权利要求所述的基于GM(1,1)的日最大气象敏感负荷的 预测方法， 其特征在于， 在建立GM(1,1)预测模 型前， 还包括数据检验步骤， 根据如下公 式计 算原始数据列的级比： 其中， 原始数据列为x(0)＝(x(0)(1),x(0)(2),...,x(0)(n))； 判定级比是否落在区间 内， 若原始数据列的所有的级比均落在区间X内， 则以此数据建立GM(1,1)模型， 反正， 针对于数据进行变化处 理， 具体的变换公式为： y(0)(k)＝x(0)k+c,k＝1,2,...,n； 其中， c为常数， 并使得 所有变换后的数据均可落在区间X 范围内。 5.根据权利要求1所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 在步骤S20 0： 根据GM(1,1)预测模型进行基准负荷的预测， 具体包括如下步骤： S210： GM(1,1)模型的白化处 理； S220： 根据获得的白化模型进行 预测值计算； S230： 预测值检验。 6.根据权利要求5所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 所述步骤S230中， 针对于预测值的校验包括残差 ε(k)校验以及级比偏 差值ρ(k)检验， 其 中当所述残差 ε(k)的绝对值以及所述级比偏 差值ρ(k)的绝对值均小于0.2时即满足相关要 求。 7.根据权利要求6所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 所述残差 ε(k)的计算公式为： 8.根据权利要求6所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 所述级比偏差值ρ(k)的计算公式为： 其中λ(k)是原 始数据列的级比。 9.根据权利要求1所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 所述气象敏感负荷的提取 是通过总负荷减去基准负荷提取到温度敏感负荷。权　利　要　求　书 1/2 页 2 CN 114048922 A 210.根据权利要求1所述的基于GM(1,1)的日最大气象敏感负荷的预测方法， 其特征在 于， 在所述步骤S400中日最大气象敏感负荷的预测， 基于步骤S 300中提取的气象敏感负荷， 建立回归 模型， 实现最大气象敏感负荷的预测。权　利　要　求　书 2/2 页 3 CN 114048922 A 3