[發(fā)明專利]一種電力負(fù)荷特征的預(yù)測方法、預(yù)測系統(tǒng)及相關(guān)裝置

有效

• 申請?zhí)枺?/td>: 201810777121.5
• 申請日: 2018-07-16
• 公開（公告）號: CN108921358B
• 公開（公告）日: 2021-10-01
• 發(fā)明（設(shè)計）人: 王星華;劉升偉;魯?shù)?/a>
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

本申請?zhí)峁┑囊环N電力負(fù)荷特征的預(yù)測方法，包括：利用K?Means特征提取方法對歷史負(fù)荷數(shù)據(jù)和新負(fù)荷數(shù)據(jù)進(jìn)行特征選擇并輸出負(fù)荷最優(yōu)特征集；根據(jù)負(fù)荷最優(yōu)特征集建立訓(xùn)練樣本；利用訓(xùn)練樣本建立高斯過程回歸模型；構(gòu)建特定置信水平下的負(fù)荷概率區(qū)間預(yù)測模型；利用負(fù)荷概率區(qū)間預(yù)測模型輸出預(yù)測結(jié)果。本申請結(jié)合基于K?means特征提取方法和利用DSOGPR構(gòu)建特定置信水平下的負(fù)荷概率區(qū)間預(yù)測結(jié)果，實現(xiàn)了雙策略在線高斯過程回歸算法，可以得到精確的預(yù)測結(jié)果，避免不合理的電力決策帶來的安全隱患和經(jīng)濟(jì)損失，具有重要的意義。本申請還提供一種電力負(fù)荷特征的預(yù)測系統(tǒng)、一種計算機(jī)可讀存儲介質(zhì)和一種電力負(fù)荷特征預(yù)測終端，具有上述有益效果。

技術(shù)領(lǐng)域

本申請涉及電力及電網(wǎng)系統(tǒng)領(lǐng)域，特別涉及一種電力負(fù)荷特征的預(yù)測方法、一種電力負(fù)荷特征的預(yù)測系統(tǒng)，以及一種計算機(jī)可讀存儲介質(zhì)和一種電力負(fù)荷特征預(yù)測終端。

背景技術(shù)

電力產(chǎn)業(yè)關(guān)乎國計民生，與人民的生產(chǎn)生活活動息息相關(guān)，電力系統(tǒng)的平穩(wěn)運行是社會發(fā)展和經(jīng)濟(jì)發(fā)展的必要條件。維持電力系統(tǒng)的穩(wěn)定，保持電力的供需平衡是基礎(chǔ)，也就是系統(tǒng)的發(fā)電量與電力用戶的電力負(fù)荷必須做到實時平衡，而負(fù)荷預(yù)測是維持供需平衡中非常重要的一環(huán)。若負(fù)荷的預(yù)測值低于實際值，會導(dǎo)致用戶的用電需求無法得到滿足，引起電量短缺的問題；若負(fù)荷的預(yù)測值高于實際值，因為電力具有不可大量存儲的特點，故會導(dǎo)致電力資源的浪費。只有準(zhǔn)確的電力的預(yù)測，才能有助于電力產(chǎn)業(yè)持續(xù)和健康地發(fā)展。

負(fù)荷預(yù)測就是通過歷史的負(fù)荷數(shù)據(jù)，和系統(tǒng)的運行特征、社會條件、自然條件(溫度、濕度等)、經(jīng)濟(jì)指標(biāo)等，得到將來時刻的負(fù)荷估計值。如何有效利用上述的數(shù)據(jù)，采用合適的方法進(jìn)行預(yù)測，保證預(yù)測的精確性，是負(fù)荷預(yù)測技術(shù)需要解決的主要問題。

隨著各種隨機(jī)終端電力用戶如分布式新能源發(fā)電，光伏發(fā)電、電動汽車的并網(wǎng)，電力系統(tǒng)不確定因素和非穩(wěn)定性因素逐步增多，給電力決策工作帶來了更大程度的風(fēng)險，也給電力負(fù)荷預(yù)測工作帶來了新的挑戰(zhàn)。隨著大規(guī)模風(fēng)電等可再生能源的并網(wǎng)，電力需求的不確定性需要在電力系統(tǒng)經(jīng)濟(jì)調(diào)度中準(zhǔn)確的體現(xiàn)出來，然而確定性模型預(yù)測值單一，無法提供更加全面的負(fù)荷信息以供電力決策者參考。

可預(yù)見，考慮電力需求的不確定性需要的短期負(fù)荷預(yù)測方法將會是幫助電網(wǎng)保障穩(wěn)定運行和合理規(guī)劃的有效工具，可以為電力系統(tǒng)的運行調(diào)度提供必要信息。

申請內(nèi)容

本申請的目的是提供一種電力負(fù)荷特征的預(yù)測方法、電力負(fù)荷特征的預(yù)測系統(tǒng)，以及一種計算機(jī)可讀存儲介質(zhì)和一種電力負(fù)荷特征預(yù)測終端，解決現(xiàn)有的電力負(fù)荷特征預(yù)測精度低的問題。

為解決上述技術(shù)問題，本申請?zhí)峁┮环N電力負(fù)荷特征的預(yù)測方法，具體技術(shù)方案如下：

利用K-Means特征提取方法對歷史負(fù)荷數(shù)據(jù)和新負(fù)荷數(shù)據(jù)進(jìn)行特征選擇并輸出負(fù)荷最優(yōu)特征集；

根據(jù)所述負(fù)荷最優(yōu)特征集建立訓(xùn)練樣本；其中，所述訓(xùn)練樣本中樣本為輸入變量矩陣和對應(yīng)目標(biāo)值；

利用所述訓(xùn)練樣本建立高斯過程回歸模型；

根據(jù)所述高斯過程回歸模型，構(gòu)建特定置信水平下的負(fù)荷概率區(qū)間預(yù)測模型；

輸入所述負(fù)荷最優(yōu)特征集中的數(shù)據(jù)，利用所述負(fù)荷概率區(qū)間預(yù)測模型輸出預(yù)測結(jié)果。

其中，利用K-Means特征提取方法對歷史負(fù)荷數(shù)據(jù)和新負(fù)荷數(shù)據(jù)進(jìn)行特征選擇并輸出負(fù)荷最優(yōu)特征集，包括：

利用K-Means特征提取方法對歷史負(fù)荷數(shù)據(jù)構(gòu)造候選特征集；

對所述候選特征集進(jìn)行特征聚類，形成第一候選特征集；

在所述第一候選特征集中加入新負(fù)荷數(shù)據(jù)，形成第二候選特征集；

對所述第二候選特征集進(jìn)行在線特征分類和特征選擇，輸出負(fù)荷最優(yōu)特征集。

其中，還包括：