[發(fā)明專利]基于多指標動態(tài)匹配的實時電力負荷預測系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 201810525917.1
• 申請日: 2018-05-29
• 公開（公告）號: CN108830405B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設計）人: 周鐵華;王玲;馬福濤;高雪
• 申請（專利權）人: 東北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林

本發(fā)明是一種基于多指標動態(tài)匹配的實時電力負荷預測系統(tǒng)及其方法，所述的系統(tǒng)包括：數(shù)據(jù)采集模塊與數(shù)據(jù)分析模塊信號連接，數(shù)據(jù)分析模塊與多指標動態(tài)匹配模塊信號連接，多指標動態(tài)匹配模塊與實時電力負荷預測模塊信號連接。所述的方法能夠通過采集實時電力負荷數(shù)據(jù)、氣象數(shù)據(jù)和經濟數(shù)據(jù)等多重數(shù)據(jù)指標；分析電力負荷數(shù)據(jù)與各個因素指標之間的相關性，自適應的挖掘影響電力負荷預測的動態(tài)關鍵因素集；并根據(jù)電力負荷與關鍵指標之間的依賴關系，建立綜合的影響電力負荷預測的自適應指標體系，通過提出的A?GPR預測模型，實現(xiàn)實時提取關鍵影響因素集合進行短期和超短期的電力負荷預測。

技術領域

本發(fā)明屬于智能電網電力負荷預測技術領域，具體地說，是一種基于多指標動態(tài)匹配的實時電力負荷預測系統(tǒng)及其方法。

背景技術

電力負荷預測是指，將電力系統(tǒng)運行特性、增容以及自然情況考慮進來，利用歷史數(shù)據(jù)對未來的負荷進行預測。負荷預測是電網能量管理系統(tǒng)的重要的功能，是智能電網系統(tǒng)經濟、安全、可靠運行的基礎。電力系統(tǒng)的負荷有其本身固有的周期性規(guī)律，同時也受到諸多因素的影響，如氣候條件、經濟因素等等。由于各地區(qū)的負荷特性的差異，針對不同地區(qū)之間負荷特性的差異，針對地區(qū)的負荷預測工作都應該結合當?shù)氐膶嶋H情況，在負荷特性的基礎上考慮負荷的影響因素，再選用合適的方法進行預測，以提高預測的精度。負荷預測的精度直接影響電力系統(tǒng)的安全性、經濟性和供電質量，對電網的投資、調度、布局以及運營的科學性具有重要影響，是進行發(fā)展規(guī)劃以及實時控制的重要依據(jù)。因此，如何提高預測精度是目前負荷預測技術研究的重點。

目前常用的負荷預測方法包括傳統(tǒng)預測方法和現(xiàn)代預測方法兩大類，其中傳統(tǒng)預測方法包括時間序列方法、回歸分析法、灰色預測法等等。其中以時間序列方法應用最為廣泛。時間序列方法是對一維的時間序列數(shù)據(jù)，以歷史負荷數(shù)據(jù)為依據(jù)推斷未來一段時間的負荷數(shù)據(jù)。灰色預測法僅需要在少量的歷史數(shù)據(jù)，從中發(fā)現(xiàn)影響負荷的規(guī)律，計算量小。在此基礎上建立起的負荷預測模型，同時難以應對波動性較大的電力負荷。而且歷史數(shù)據(jù)少量且離散程度較大時，預測精度較差?，F(xiàn)代預測方法主要有專家系統(tǒng)法、支持向量機、神經網絡算法等。其中神經網絡由于自學習能力和處理復雜非線性的能力，成為負荷預測的一種重要的方法。然而，神經網絡的結構和網絡參數(shù)大多需要靠主觀經驗判定。因此，難以保證預測結果的準確性，有些方法在預測時沒有考慮當?shù)氐臍庀笠蛩亍⒔洕蛩貙τ谪摵深A測的影響，造成重要的信息的缺失。即使考慮了單個因素與負荷數(shù)據(jù)的影響關系，也不能反映所有的因素對于負荷預測的影響程度，容易造成分析結果出現(xiàn)誤差，從而影響負荷預測的精度。如果將各種影響因素都包含在輸入變量中，會造成輸入變量過多，加重訓練負擔，非但不能提高精度，反而降低了模型預測的性能。因此，既考慮影響負荷預測的各種因素，又適當?shù)膲嚎s輸入變量，成為負荷預測必須解決的問題。

針對現(xiàn)有的負荷預測方法的不足，本發(fā)明目的是提出一種基于多指標動態(tài)匹配的實時電力負荷預測系統(tǒng)，該系統(tǒng)的模型綜合考慮了多個指標對于負荷的影響，在處理負荷數(shù)據(jù)的過程中，隨著負荷的影響因素的不同、時間的變化，各個因素的權重會隨著時間的變化而變化。本發(fā)明充分考慮了屬性的直接和間接對于負荷的影響，使最后權重的分配更加科學合理，從而選擇關鍵指標建立指標體系用于負荷預測，有效減少負荷預測的工作量，提高負荷預測的準確性和可靠性。同時建立一個可調節(jié)的高斯過程回歸模型(Adjustable-Gaussian Process Regression)，即A-GPR實時電力負荷預測模型，實現(xiàn)智能電網下電力供應的及時性和新能源的有效利用。

發(fā)明內容

本發(fā)明的目的是，克服現(xiàn)有技術的不足，提出一種結構合理，功能負荷預測的準確性和可靠性高的基于多指標動態(tài)匹配的實時電力負荷預測系統(tǒng)，并提供科學合理。