[發(fā)明專利]一種電力負荷短期預(yù)測方法、模型、裝置及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811291636.0
• 申請日: 2018-10-31
• 公開（公告）號: CN109472404A
• 公開（公告）日: 2019-03-15
• 發(fā)明（設(shè)計）人: 史玉良;劉月燦;王新軍;鄭永清
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/08;G06F17/18
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 楊哲

1.一種電力負荷短期預(yù)測方法，其特征在于，該方法包括：

接收負荷數(shù)據(jù)，并對其缺失數(shù)據(jù)進行數(shù)據(jù)補全；

接收影響因素數(shù)據(jù)，所述影響因素數(shù)據(jù)包括氣溫數(shù)據(jù)、節(jié)假日數(shù)據(jù)和行業(yè)數(shù)據(jù)，對影響因素采用與負荷數(shù)據(jù)相對應(yīng)的量化方法進行量化；

采用小波分解對負荷數(shù)據(jù)進行處理，并進行消噪和特征提取得到四個序列，分別與影響因素數(shù)據(jù)進行相關(guān)性分析，得到負荷特征與影響因素的相關(guān)對的集合；

將根據(jù)負荷數(shù)據(jù)得到的四個序列采用三次指數(shù)平滑算法進行初步預(yù)測，將負荷特征與影響因素的相關(guān)對的集合采用ARIMA-GARCH法預(yù)測得到調(diào)整因子，將初步預(yù)測結(jié)果與調(diào)整因子輸入長短期記憶網(wǎng)絡(luò)得到最終預(yù)測結(jié)果。

2.如權(quán)利要求1所述的一種電力負荷短期預(yù)測方法，其特征在于，在該方法中，對負荷數(shù)據(jù)的缺失數(shù)據(jù)釆用改進kNNI法進行數(shù)據(jù)補全，所述改進kNNI法進行數(shù)據(jù)補全是通過分析接收的負荷數(shù)據(jù)內(nèi)部之間的關(guān)系，得到負荷數(shù)據(jù)之間存在的規(guī)律性，推測缺失的數(shù)據(jù)進行數(shù)據(jù)補全。

進一步地，所述改進kNNI法的具體步驟包括：

基于接收的負荷數(shù)據(jù)對用戶進行聚類；

選擇某一日期且與負荷數(shù)據(jù)待補全用戶同類簇的用戶負荷曲線，計算其他用戶負荷曲線與待補全用戶的負荷曲線的弗雷歇距離，并按從小到大的順序排序，選擇前k個用戶的負荷曲線作為計算缺失值的源數(shù)據(jù)；

將前k個用戶與待補全用戶的弗雷歇距離進行歸一化處理，得到歸一化序列，并與1做差作為每條負荷數(shù)據(jù)的權(quán)重；

將k條數(shù)據(jù)與缺失數(shù)據(jù)同一時刻的負荷值加權(quán)求和作為補全值，對負荷數(shù)據(jù)的缺失數(shù)據(jù)進行數(shù)據(jù)補全。

3.如權(quán)利要求1所述的一種電力負荷短期預(yù)測方法，其特征在于，在該方法中，所述對影響因素采用與負荷數(shù)據(jù)相對應(yīng)的量化方法進行量化包括對氣溫數(shù)據(jù)的處理和對節(jié)假日數(shù)據(jù)的處理；

對氣溫數(shù)據(jù)的處理的具體步驟包括：

獲取每日24點的氣溫值作為初始氣溫數(shù)據(jù)的氣溫集合、相對濕度集合、風(fēng)力集合和采集天數(shù)集合；

用戶戶每日所用總負荷表示為基礎(chǔ)用電負荷和氣溫敏感負荷之和，基礎(chǔ)用電負荷為春秋季平穩(wěn)負荷序列平均值，利用用戶戶每日所用總負荷與基礎(chǔ)用電負荷計算氣溫敏感負荷，得到量化后的氣溫數(shù)據(jù)；

對節(jié)假日數(shù)據(jù)的處理的具體步驟包括：

獲取所述負荷數(shù)據(jù)對應(yīng)節(jié)假日和周末的負荷數(shù)據(jù)，將節(jié)假日和周末負荷數(shù)據(jù)按每天24個時間段劃分，將節(jié)假日每一時段與節(jié)假日之前與節(jié)假日之后的相同時段比較，得到量化后的節(jié)假日數(shù)據(jù)。

4.如權(quán)利要求1所述的一種電力負荷短期預(yù)測方法，其特征在于，在該方法中，具體采用小波3層分解重構(gòu)處理負荷數(shù)據(jù)，基于Haar小波采用Mallat算法對負荷數(shù)據(jù)進行分解和重構(gòu)，將信號分解為不同頻帶分量，得到重構(gòu)子序列。

5.如權(quán)利要求1所述的一種電力負荷短期預(yù)測方法，其特征在于，在該方法中，所述相關(guān)性分析中，對于氣溫數(shù)據(jù)和節(jié)假日數(shù)據(jù)相關(guān)性分析中采用皮爾森相關(guān)系數(shù)分析法分別對小波分解后的各重構(gòu)子序列與量化后的氣溫數(shù)據(jù)和節(jié)假日數(shù)據(jù)做相關(guān)性分析，得到重構(gòu)子序列與氣溫數(shù)據(jù)和節(jié)假日數(shù)據(jù)的相關(guān)對集合；

對于行業(yè)數(shù)據(jù)相關(guān)性分析中，將行業(yè)數(shù)據(jù)進行歸一化，對于同一行業(yè)標簽下的所有用戶的重構(gòu)子序列，分別按照四個重構(gòu)子序列采用SOM聚類法進行SOM聚類，得到重構(gòu)子序列與行業(yè)數(shù)據(jù)的相關(guān)對集合。

6.如權(quán)利要求1所述的一種電力負荷短期預(yù)測方法，其特征在于，在該方法中，將根據(jù)負荷數(shù)據(jù)得到的四個序列采用累乘的三次指數(shù)平滑算法進行初步預(yù)測，得到初步預(yù)測結(jié)果；

將負荷特征與影響因素的相關(guān)對的集合采用ARIMA-GARCH法預(yù)測每個序列的方差波動，將此結(jié)果作為各因素調(diào)整因子；

將初步預(yù)測結(jié)果與調(diào)整因子作為長短期記憶網(wǎng)絡(luò)的輸入進行回歸擬合，通過小波逆變換得到最終預(yù)測結(jié)果。

7.一種電力負荷短期預(yù)測模型，其特征在于，基于如權(quán)利要求1-6中任一項所述的一種電力負荷短期預(yù)測方法構(gòu)建電力負荷短期預(yù)測模型。