[發明專利]一種面向電力大客戶的短期負荷預測方法

有效

• 申請號: 201810985306.5
• 申請日: 2018-08-28
• 公開（公告）號: CN109242169B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 歐家祥;張俊瑋;黃仁金;黃興;楊沁暉;張秋雁;陳新;周輝;丁超;黃宇
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 商小川

本發明公開了一種面向電力大客戶的短期負荷預測方法，它包括對大客戶用電負荷數據集進行處理；在大客戶用電負荷數據集上添加上天氣數據；將包含時間、負荷值和溫度值三個維度的數據集轉換為標準訓練集；根據每個大客戶的用電特性，劃分為鐵合金用電企業類型、建材用電企業類型、化工用電企業類型和紡織業用電企業類型；對每個類型的大客戶分別進行負荷預測模型訓練；通過訓練好的負荷預測模型對對應類型的大客戶進行負荷值預測；最后負荷值由各個模型每個相同時間點預測的負荷值進行疊加得到；解決了現有技術針對電力大客戶的短期負荷預測采用傳統短期負荷預測模型，存在由于梯度消失或梯度爆炸對負荷預測引起干擾，降低了精確度等技術問題。

技術領域

本發明屬于電力負荷預測技術，尤其涉及一種面向電力大客戶的短期負荷預測方法。

背景技術

隨著經濟和社會的穩定發展，建設全球能源互聯網變得越來越重要。電力大數據的研究是一個對智能電網技術的重要課題。隨著從監控數據的數據挖掘，可以有效改善對電力調度控制系統的決策。電力大客戶負荷預測對電網規劃建設和調度運行管理具有針對性指導意見，在當前配網發展趨勢下顯得非常重要。

相對穩定可靠的電力大客戶短期負荷記錄為負荷管理提供了大量的基礎數據，這些數據的精確度對負荷預測有著較為顯著的影響，進一步對負荷管理的效果有著直接的影響。如果預測結果過剩于實際需求，則會造成用電利用率低，提高發電成本，資源浪費，反之預測結果不能滿足實際需求，則會引起供電負荷小甚至拉閘限電影響工業、經濟有序的發展，因此對電力大客戶短期負荷預測的精確度地把握顯得尤為重要；而現有技術沒有針對電力大客戶的短期負荷預測模型，普遍采用傳統短期負荷預測模型來進行負荷預測，采用這些傳統的負荷預測方法，存在由于梯度消失或梯度爆炸對負荷預測引起干擾，降低了短期負荷預測的精確度。

發明內容

本發明要解決的技術問題是：提供一種面向電力大客戶的短期負荷預測方法，以解決現有技術沒有針對電力大客戶的短期負荷預測模型，普遍采用傳統短期負荷預測模型來進行負荷預測，采用這些傳統的負荷預測方法，存在由于梯度消失或梯度爆炸對負荷預測引起干擾，降低了短期負荷預測的精確度等技術問題。

本發明的技術方案是：

一種面向電力大客戶的短期負荷預測方法，它包括：

步驟1、對大客戶用電負荷數據集進行處理；

步驟2、在大客戶用電負荷數據集上添加上天氣數據；

步驟3、將包含時間、負荷值和溫度值三個維度的數據集轉換為標準訓練集；

步驟4、根據每個大客戶的用電特性，劃分為鐵合金用電企業類型、建材用電企業類型、化工用電企業類型和紡織業用電企業類型；

步驟5、對每個類型的大客戶分別進行負荷預測模型訓練；

步驟6、通過訓練好的負荷預測模型對對應類型的大客戶進行負荷值預測；最后負荷值由各個模型每個相同時間點預測的負荷值進行疊加得到。

步驟1所述對大客戶用電負荷數據集進行處理包括數據清理和數據規范化；大客戶用電負荷值數據清理操作包括噪聲數據處理和具有遺漏值的數據處理，對于錯誤數據采取整條刪除的方式，對于不完整的缺失數據采取插值法補齊數據；對負荷值數據進行標準化操作，包括最大最小化、小數定標規范化和區域歸一化。

步驟2所述天氣數據為溫度值，溫度值的頻率和負荷值的采集頻率保持一致，并對溫度值進行分段和量化處理。

步驟3所述標準訓練集為：前k天同一個時間點上的負荷值、溫度值數據為訓練數據，第k+1天同一個時間點上的負荷數據為訓練標簽，每天p個時間點為一個子段，總數據集按這個子段進行切分，最終的訓練集為四個維度，第一個維度是天數，第二個維度是一天的采集密度個數，第三個維度是前六天同一個時間點的負荷、溫度值，第四個維度是第七天同一個時間點所對應負荷值。