[發明專利]基于大數據技術的配網短期負載預測方法

在審

• 申請號: 201710593939.7
• 申請日: 2017-07-20
• 公開（公告）號: CN107330567A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 鄒京希;曹敏;沈鑫;魏玲;張林山;唐立軍;趙旭
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京弘權知識產權代理事務所(普通合伙)11363
• 代理人: 逯長明,許偉群

技術領域

本發明涉及電力系統工程技術領域，特別涉及一種基于大數據技術的配網短期負載預測方法。

背景技術

電力系統負荷預測有助于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于提高電力系統的安全性和穩定性，能夠減少發電成本。但是影響負荷走勢的因素中包括溫度、降水等天氣因素，又包含重大設備檢修、重大文體活動等人為因素的影響，這些因素的不確定性導致負荷規律難以把握。隨著智能電網、通信網絡技術和傳感器技術的發展，電力用戶側數據呈指數級增長、復雜程度增大，現有的電力負載預測方法無法滿足海量數據的處理要求，迫切需要解決電力用戶側的大數據在分析與處理方面的難題。

目前的配網短期負載預測技術主要包括兩方面：一方面是對采集到的配網各信息化系統的相關數據進行篩選，以得到對配網負載影響和預測最關鍵的數據；另一方面，根據獲取到的對配網負載影響最關鍵的數據，對配網短期負載進行預測。

然而，現有的配網短期負載預測技術在對采集到的配網各信息化系統的相關數據進行篩選時，存在如下問題：1)通常采用主成分分析法，傳統的主成分分析法無法對采集的海量數據進行快速篩選，且關鍵數據篩選的準確率較低，導致后續配網短期負載預測的結果不可靠，且預測效率較低；2)基于電網信息化系統相關數據進行預測時，沒有綜合考慮天氣情況(尤其是極端天氣)和社會事件，例如：最高溫度、最低溫度、平均溫度、濕度、風速、風向、氣壓、霧、雨、雷暴和雪、比賽、會議、節日等；3)測量結果存在較大偏差，不利于電網的運行維護。

發明內容

本發明提供一種基于大數據技術的配網短期負載預測方法，以解決現有配網短期負載預測方法的預測準確率和效率較低的問題。

根據本發明的實施例，提供了一種基于大數據技術的配網短期負載預測方法，包括：

采集配網各信息化系統數據，所述各信息化系統數據包括營銷系統數據、生產系統數據、用戶數據、臺變數據、天氣數據和社會事件數據；

根據基于MapReduce改進的主成分分析法對所述各信息化系統數據進行篩選和計算，以獲取配網目標數據；

根據所述配網目標數據，采用卡爾曼濾波算法對配網負載的狀態變量進行最優化估算，以獲取配網負載最優預測數據。

進一步地，所述根據基于mapreduce改進的主成分分析法對所述各信息化系統數據進行篩選，以獲取配網目標數據的步驟包括：

Map階段，將采集到的所述各信息化系統數據按類分配給指定的Mapper；由所述Mapper對相應的所述信息化系統數據進行數據標準化處理，并計算所述信息化系統數據的子相關系數矩陣；

Reduce階段，將所述各信息化系統數據的子相關系數矩陣合并成一個總相關系數矩陣；計算所述總相關系數矩陣的特征值和特征向量；根據所述總相關系數矩陣的特征值和特征向量，按照篩選準則，對所述各信息化系統數據進行篩選，獲取所述配網目標數據。

進一步地，所述Mapper采用下式計算所述信息化系統數據的子相關系數矩陣：

其中，x'為所述信息化系統數據的標準化數據向量；x'^T為x'的轉置矩陣；||x′||為x'的屬性個數。

進一步地，所述按照篩選準則，對所述各信息化系統數據進行篩選，獲取所述配網目標數據的步驟包括：

根據所述總相關系數矩陣的特征值和特征向量，按照下式計算方差貢獻率：

其中，x'為所述信息化系統數據的標準化數據向量；λ_i為所述總相關系數矩陣的特征值；||x'||為x'的屬性個數；N為所述總相關系數矩陣的目標維數；

按照所述方差貢獻率大于預設值的準則，將所述總相關系數矩陣轉換至N維矩陣，并確定所述總相關系數矩陣的前N個特征值和特征向量。

進一步地，所述根據所述配網目標數據，采用卡爾曼濾波算法對配網負載的狀態變量進行最優化估算，以獲取配網負載最優預測數據的步驟包括：

根據所述配網目標數據，構建配網系統模型；

對所述配網系統模型進行遞推計算，獲取配網系統狀態參量的預測量；

根據卡爾曼濾波算法對所述配網系統狀態參量的預測量進行修正，并根據修正后的所述配網系統狀態參量的預測量，計算配網負載最優預測數據。

進一步地，采用離散控制系統模型構建所述配網系統模型：

X_k+1＝AX_k+BU_k+W_k

配網負載測量值為：