[發明專利]基于網格化技術和BP神經網絡的空間負荷預測方法

在審

• 申請號: 201711257567.7
• 申請日: 2017-12-04
• 公開（公告）號: CN108182484A
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 焦明曦;王徭;趙曉寧;穆冠男;張婕;肖白
• 申請（專利權）人: 國網吉林省電力有限公司長春供電公司;東北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/16;G06N3/08
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林;臧廣維

1.一種基于網格化技術和BP神經網絡的空間負荷預測方法，其特征是，它包括以下步驟：

1)建立電力地理信息系統；

2)空間電力負荷的網格化；

3)采用BP神經網絡對II類元胞年負荷最大值進行預測。

2.如權利要求1所述的基于網格化技術和BP神經網絡的空間負荷預測方法，其特征是，所述步驟1)建立電力地理信息系統包括以下步驟：

①配準基圖；

②建立待預測區域內的10kV饋線供電范圍圖層；

③建立待預測區域內的用地信息圖層。

3.如權利要求1所述的基于網格化技術和BP神經網絡的空間負荷預測方法，其特征是，所述步驟2)空間電力負荷的網格化，包括以下步驟：

①生成元胞

在根據步驟1)所建立的電力地理信息系統中，按照待預測區域內各10kV饋線供電范圍生成I類元胞，每一個10kV饋線供電范圍就是一個I類元胞；

在根據步驟1)所建立的電力地理信息系統中，以等大小正方形網格生成II類元胞，每一個網格就是一個II類元胞；

②確定負荷密度均衡系數

根據各I類元胞歷年負荷最大值、供電面積，求取其在相應年份的負荷密度，見公式(1)，

d_i,t＝p_i,t/S_i (1)

其中，d_i,t為第i個I類元胞在第t年的負荷密度；i＝1,2,…,m，m為I類元胞的個數；t為年份；P_i,t為第i個I類元胞在第t年的負荷最大值；S_i為第i個I類元胞的面積；

對各I類元胞歷年的負荷密度作歸一化處理，確定負荷密度均衡系數，見公式(2)，

β_i,t＝(d_i,t-d_t.min)/(d_t.max-d_t.min) (2)

其中，β_i,t為第i個I類元胞在第t年的負荷密度均衡系數；d_i,t為第i個I類元胞在第t年的負荷密度；d_t.max為第t年的I類元胞中負荷密度最大值；d_t.min為第t年的I類元胞中負荷密度最小值；

③求取分類負荷密度指標

根據歷年各I類元胞的年負荷最大值及其用地信息，利用公式(3)求取歷年的分類負荷密度指標，

其中，P_i,t為第i個I類元胞第t年的負荷最大值，i＝1,2,…,m，m為I類元胞的個數；d_j,t為第j類用地第t年的負荷密度，j＝1,2,…,n，n為用地類型的類數；β_i,t為第i個I類元胞在第t年的負荷密度均衡系數；S_i,j為第j類用地在第i個I類元胞中所占的面積；

將公式(3)用矩陣形式表示，即公式(4)，

P＝BAD＝CD (4)

其中，P為I類元胞的歷年負荷最大值矩陣；B為各負荷密度的均衡系數矩陣；A為在I類元胞內用地面積矩陣；C為I類元胞內各類用地的面積與其對應的負荷密度的均衡系數乘積的矩陣；D為分類負荷密度矩陣；

I類元胞年負荷最大估計值與分類負荷密度的估計值之間的關系可表示成公式(5)，

其中，為I類元胞的歷年負荷最大估計值矩陣；C為I類元胞內各類用地的面積與其對應的負荷密度均衡系數乘積的矩陣；為分類負荷密度估計值矩陣；

考慮到量測誤差有正有負，把所有I類元胞實測的歷年負荷最大值與估計值之差的平方和的總和記作Q，見公式(6)，

其中，P_i為第i個I類元胞的歷年負荷最大值矩陣，i＝1,2,…,m，m為I類元胞的個數；為第i個I類元胞的歷年負荷最大估計值矩陣，i＝1,2,…,m，m為I類元胞的個數；Q為I類元胞實測的歷年負荷最大值與估計值之差的平方和；

利用最小二乘法原理對公式(6)分類負荷密度估計值矩陣進行求解，得到分類負荷密度，見公式(7)和(8)，

其中，P為I類元胞的歷年負荷最大值矩陣；C為I類元胞內各類用地的面積與其對應的負荷密度的均衡系數乘積的矩陣；為分類負荷密度估計值矩陣；

④求取歷年各II類元胞年最大負荷值

在根據步驟1)所建立的電力地理信息系統中，結合根據步驟1)子步驟③所建立的用地信息圖層，確定出每個根據步驟2)子步驟①所生成的II類元胞內各種用地類型的面積，并將其乘以根據公式(3)所求出的對應的各類用地的負荷密度，再乘以根據步驟2)子步驟②求出的相應的負荷密度均衡系數，得到各II類元胞的歷年負荷最大值，即得到每個網格的歷年負荷最大值，從而實現對待預測區域內歷史年空間電力負荷的網格化。

4.如權利要求1所述的基于網格化技術和BP神經網絡的空間負荷預測方法，其特征是，所述步驟3)采用BP神經網絡對II類元胞年負荷最大值進行預測，包括以下步驟：

①構建BP神經網絡預測器

輸入層的節點數為n，n為參與神經網絡訓練的II類元胞個數；輸出層的節點數為m，m為待預測區域內II類元胞個數；根據公式(9)確定隱含層節點數為l，

其中，l為隱含層節點數；n為參與神經網絡訓練的II類元胞個數；m為待預測區域內II類元胞個數；a為經驗值，是一個整數，a{1,2,3,4,5,6,7,8,9,10}；

②對BP神經網絡進行訓練

將歷年負荷最大值中最后一年的負荷數據剔除，以剩余數據作為BP神經網絡的訓練樣本；以歷年負荷數據中最后一年的II類元胞年負荷最大值作為測試樣本；利用所確定的訓練樣本和測試樣本對BP神經網絡進行訓練；

③對目標年的II類元胞年負荷最大值進行預測

使用經過訓練的BP神經網絡和各II類元胞歷年負荷最大值，預測目標年的II類元胞年負荷最大值。