[發明專利]一種基于大數據技術的電力系統短期負荷預測方法

有效

• 申請號: 201410851910.0
• 申請日: 2014-12-31
• 公開（公告）號: CN104881706B
• 公開（公告）日: 2018-05-25
• 發明（設計）人: 張沛
• 申請（專利權）人: 天津弘源慧能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 天津濱海科緯知識產權代理有限公司 12211
• 代理人: 楊慧玲

本發明提供一種基于大數據技術的電力系統短期負荷預測方法，利用數據挖掘技術實現用戶級的負荷預測，并累加形成系統負荷，包括以下步驟：負荷曲線聚類分析，將形狀特征相似的負荷曲線歸為一類；確立關鍵影響因素，達到約簡分類規則，簡化預測模型的目的；建立分類規則，采用CART決策樹算法，得到凝聚層次聚類分析結果；將待預測日分類；訓練預測模型并預測，根據得出的待預測日的分類結果，選用對應的支持向量機模型完成預測；計算系統負荷該步驟在Hadoop大數據計算平臺上完成。本發明研究一種針對用戶級的負荷預測框架，并利用數據挖掘方法發掘用戶用電行為規律，提高了負荷預測的精度。

技術領域

本發明涉及電力系統工程技術領域，尤其涉及一種基于大數據技術的電力系統短期負荷預測方法。

背景技術

電力系統短期負荷預測結果關系到電力系統調度運行和生產計劃的制定，準確的短期負荷預測結果有助有提高系統的安全性和穩定性，能夠減少發電成本。隨著電力系統中分布式能源(太陽能、風能、儲能等)的大量接入，負荷的變化規律更加難以把握，這種不確定性將會增加電力系統負荷預測的難度。因此亟待一種能夠更好把握負荷變化規律的預測方法。

用戶是電網中的最基礎組成部分，也是造成電網負荷波動的源頭。然而，現今的負荷預測方法都是針對系統級的負荷預測，最深入的也不過是母線級別的預測。因此，研究一種針對用戶級的負荷預測框架，并利用數據挖掘方法發掘用戶用電行為規律，提高負荷預測的精度是十分必要的。

發明內容

本發明提出了一種基于大數據技術的電力系統短期負荷預測方法，有效解決由于用戶用電規律復雜造成的負荷預測精度較低問題。

為達到上述目的，本發明采用的技術方案是：一種基于大數據技術的電力系統短期負荷預測方法，包括如下步驟：

(1)負荷曲線聚類分析：對待預測日前一年的歷史負荷數據進行以天為單位的凝聚層次聚類分析，將形狀特征相似的負荷曲線歸為一類；

(2)確立關鍵影響因素：結合歷史負荷及天氣數據計算灰色關聯分析結果，并對結果排序得出影響負荷的關鍵影響因素；

(3)建立分類規則：以層次聚類分析結果及關鍵影響因素為輸入，采用CART算法建立決策樹，得到凝聚層次聚類分析結果；

(4)將待預測日分類：將待預測日的關鍵因素日特征向量數據輸入決策樹，得到待預測日的分類結果；

(5)訓練預測模型并預測：選取相應類中的歷史負荷數據訓練支持向量機模型，根據步驟4中得出的待預測日的分類結果，選用對應的支持向量機模型完成預測；

(6)計算系統負荷：針對預測目標電網中的所有用戶，重復以上步驟，累加所有用戶負荷并疊加網損負荷得到整個電網的系統級負荷。

進一步的，所述步驟(1)具體包括如下步驟：

采用的聚類分析算法為改進的凝聚層次聚類算法，本發明將歐式距離中每一個維度的差值進行最大值歸一化，如下式所示：

其中，每一天為一個負荷序列，n代表該負荷序列為一個n維向量，通常為96維；d12代表負荷序列1和負荷序列2的空間距離；該距離中的x1k代表第一個負荷序列中的第k維數據，x2k代表第二個負荷序列中的第k維數據；xmax代表所有負荷序列第k維中的最大值。