技術特征：

1.一種優化預測電網典型日負荷的方法，其特征是包括步驟：

步驟一，利用分形插值法預測電網典型日負荷：

⑴負荷數據預處理，剔除或修補數據為零或尖刺的點；

⑵選取最近一年的典型日負荷曲線作為基準日負荷曲線，選取近2～3年的典型日作為預測日的相似日；

⑶分析基準日負荷曲線特性，找出基準日負荷曲線的特征點組成基準插值點集合，將基準插值點集合中元素的時間坐標作為基準X軸；

⑷利用分形插值法建立基準日負荷曲線的迭代函數系，計算迭代參數；

⑸建立其他相似日負荷曲線的迭代函數系，計算迭代參數；

⑹對已求得的相似日的分段分形插值參數進行加權求均，得到一個統計迭代函數系；

⑺由⑹中得到的統計迭代函數系通過任意初始點啟動迭代得到吸引子，吸引子是由歷史數據預測得到的典型日負荷曲線甲；

步驟二，利用雙向夾逼法預測電網典型日負荷：

設定α、β兩個大于0的標量，將根據歷史負荷數據得到的基準負荷曲線與α、β分別相乘得到與基準負荷曲線形狀一致的負荷曲線α、負荷曲線β，使待預測的典型日負荷曲線夾在負荷曲線α與負荷曲線β間，采用迭代逼近法縮小α與β的差值求得最接近于己知基準負荷曲線的待預測典型日負荷曲線乙。

步驟三，利用日負荷率搜庫法預測電網典型日負荷：

⑴根據歷史整點負荷數據整理計算得到每年四季的典型日負荷曲線、典型日負荷曲線的日負荷率γ和日最小負荷率β，建立四個季節的數據庫系統；

⑵通過二次平滑預測待測典型日負荷曲線的用電量與最大負荷；

⑶根據預測的待測日用電量與以往的曲線典型日負荷γ、β數據，采用線性回歸法預測待測典型日負荷曲線的γ、β；

⑷在數據庫中搜索與預測得到的γ最接近的γ₂，以γ₂所在日的負荷曲線為基準曲線，利用日用電量與日最大負荷對曲線進行修正得到預測典型日負荷曲線丙。

步驟四，將典型日負荷曲線甲、典型日負荷曲線乙、典型日負荷曲線丙的同一時間點的負荷值求取平均數形成優化典型日負荷曲線。

2.根據權利要求1所述的方法，其特征在于，典型日負荷曲線是典型日按時間順序以小時為整點負荷表示的負荷曲線，典型日是最接近當月平均日負荷率的那一天，日負荷率是(日平均負荷÷日最大負荷)×100％。

3.根據權利要求1所述的方法，其特征在于，步驟一的⑷的分形插值法包括過程：

令數據集{(xi，yi)：i＝0，l，……，N}給定，考慮IFS{R²：w_n,n＝1,2，……，N}，其中w_n是具有如下形式的仿射變換：

$w_n\left[\begin{array}{c}x\\ y\end{array}\right]=\left(\begin{array}{cc}{a}_n& 0\\ c_n& d_n\end{array}\right)\left[\begin{array}{c}x\\ y\end{array}\right]+\left[\begin{array}{c}{e}_n\\ f_n\end{array}\right],w_i\left[\begin{array}{c}{x}_0\\ y_0\end{array}\right]=\left[\begin{array}{c}{x}_{n-1}\\ y_{n-1}\end{array}\right],w_i\left[\begin{array}{c}{x}_N\\ y_N\end{array}\right]=\left[\begin{array}{c}{x}_n\\ y_n\end{array}\right],$

每一個變換都滿足下面的方程：

$\left\{\begin{array}{c}{a}_n{x}_0+e_n=x_{n-1}\\ a_n{x}_N+e_n=x_n\\ c_n{x}_0+d_n{y}_0+f_n=y_{n-1}\\ c_n{x}_N+d_n{y}_N+f_n=y_n\end{array}\right.$

d_n是變換w_n的垂直比例因子，選擇d_n作為自由變量，令|d_n|<1，解方程組，令L＝x_n-x₀，則：

$\left\{\begin{array}{c}{a}_n=L^{-1}(x_n-x_{n-1})\\ e_n=L^{-1}(x_N{x}_{n-1}-x_0{x}_n)\\ c_n=L^{-1}(y_n-y_{n-1}-d_n(y_N-y_0\left)\right)\\ f_n=L^{-1}(x_N{y}_{n-1}-x_0{y}_n-d_n(x_N{y}_0-x_0{y}_N\left)\right)\end{array}\right.$

計算得到IFS第i個仿射變換的參數，通過隨機型迭代算法或者確定型迭代算法計算得到IFS的吸引子，增加迭代次數，提高預測曲線與采樣曲線的擬合程度，通過多次迭代得到穩定的插值曲線。

4.根據權利要求1所述的方法，其特征在于，步驟二包括過程：

⑴首先由歷史整點負荷數據整理計算得到每年四季的典型日負荷曲線；

⑵選取近幾年的典型日負荷曲線進行加權平均后求得某一地區某季度的典型基準日負荷曲線，并設定待測的典型日負荷曲線與典型基準日負荷曲線有較大的相似性，將典型基準日負荷曲線按最大值標幺化；

⑶由步驟⑵中計算得到的基準負荷曲線得到待測的典型日負荷曲線中最大負荷與最小負荷出現的時間；

⑷根據歷史數據通過二次平滑預測待測典型日負荷曲線的約束電量；

⑸設定待測日最大負荷、最小負荷出現時間與基準負荷曲線最大負荷、最小負荷出現時間一致，利用待測的典型日負荷曲線的約束電量、待測日最大負荷、最小負荷出現時間、基準負荷曲線標幺值參數根據以下目標函數與約束條件求取待測典型日負荷曲線，

目標函數：

min(α-β)，α＞β＞0；

約束條件：

①各時段負荷變化趨勢相同約束：

(X_i-X_i-1)(X⁰_i-X⁰_i-1)＞0，i＝1，2，3，…，n，

X⁰_i，i＝1，2，3，…，n，是基準負荷曲線第i時段的負荷值，X_i是待預測負荷曲線第i時段的負荷值，上述約束表示兩曲線變化趨勢相同；

②負荷變化增量約束：

$\left\{\begin{array}{c}|X_i-X_{i-1}|\&le;\mathrm{\&alpha;}|X_i^0-X_{i-1}^0|\\ |X_i-X_{i-1}|\&GreaterEqual;\mathrm{\&beta;}|X_i^0-X_{i-1}^0|\end{array}\right.,i=2,3,...,n,$

上述約束表示基準負荷曲線乘以α、β得到的負荷曲線α、負荷曲線β，負荷曲線α、負荷曲線β是待預測負荷曲線的上界、下界；

③最大負荷、最小負荷約束：

P_max≥X_i≥P_min，i＝1，2，3，…，n，

P_max、P_min分別是待預測負荷曲線的最大負荷、最小負荷；

④日用電量約束：

E為待預測曲線的日用電量；

⑤最大負荷、最小負荷出現時間約束：

$\left\{\begin{array}{c}{X}_i=P_{max},i=i_{max}\\ X_i=P_{min},i=i_{min}\end{array}\right.,i_{max}=\left\{i\right|\max X_i^0\};i_{min}=\{i\left|\min X_i^0\right\},$

上述約束表示基準負荷曲線與待預測負荷曲線最大負荷、最小負荷出現時間相同。

5.根據權利要求1所述的方法，其特征在于，步驟三的⑷的修正過程包括步驟：

⑴排序處理：將基準曲線標幺值d_i由大到小排序后成為序列y_j；

⑵差數處理：將y_j相鄰兩項求差值，得到x_i；

⑶迭代求解：置初值W₀＝0(零矩陣)，迭代次數k＝1，給定收斂條件ε，計算V＝(AA^T)-1*[b-A*(X(0)+W₀e)]，

首先計算X(*)＝X(0)+ATV，然后判斷各分量X(*)_i，i＝1、2、…、T-1：

若X(*)_i≥0，則置W_i＝0，否則令W_i＝-X(*)_i，置X(*)_i＝0，由此解得X(*)、W₀，

判斷收斂條件：若‖AX(*)-b‖2/‖b‖2＜ε成立，則結束迭代，得最優解，否則置k＝k+1，繼續迭代，

$A=\left(\begin{array}{ccc}T-1& ...& 1\\ 1& ...& 1\end{array}\right)(T=24),b=\left[\begin{array}{c}T(1-\mathrm{\&gamma;})\\ 1-\mathrm{\&beta;}\end{array}\right],X^{\left(0\right)}=\left[\begin{array}{c}{x}_1^{\left(0\right)}\\ x_2^{\left(0\right)}\\ ...\\ x_{T-1}^{\left(0\right)}\end{array}\right],e^T=\&lsqb;1,1,1,1,...,1\&rsqb;;$

⑷逆生成處理：由X(*)求d_i，得到最終結果，

首先進行逆差數處理，y₁＝1.0，y_i+1＝y_i-X(*)_i，i＝1，2，…，T-1，

然后進行逆排序處理，用序列對應的原始下表進行恢復，

完成由d_i(0)、γ、β對d_i的預測。