[發明專利]一種電力負荷短期預測方法、模型、裝置及系統

在審

• 申請號: 201811291636.0
• 申請日: 2018-10-31
• 公開（公告）號: CN109472404A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 史玉良;劉月燦;王新軍;鄭永清
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/08;G06F17/18
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 楊哲

本發明公開了一種電力負荷短期預測方法、模型、裝置及系統，該方法包括：接收負荷數據，并對其缺失數據進行數據補全；接收影響因素數據，所述影響因素數據包括氣溫數據、節假日數據和行業數據，對影響因素采用與負荷數據相對應的量化方法進行量化；采用小波分解對負荷數據進行處理，并進行消噪和特征提取得到四個序列，分別與影響因素數據進行相關性分析，得到負荷特征與影響因素的相關對的集合；將根據負荷數據得到的四個序列采用三次指數平滑算法進行初步預測，將負荷特征與影響因素的相關對的集合采用ARIMA?GARCH法預測得到調整因子，將初步預測結果與調整因子輸入長短期記憶網絡得到最終預測結果。

技術領域

本公開屬于電力系統的技術領域，涉及一種電力負荷短期預測方法、模型、裝置及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

電力是國民經濟的命脈，它對經濟建設、國家安全、社會穩定具有至關重要的作用。近年來，隨著電力市場改革的深入開展，用電用戶的電量和負荷對電力系統輸送的電能質量的要求也越來越高。由于電能不能大量的儲存，這就要求發電出力應該與電量和負荷的變化保持動態平衡。否則，輕則影響供電質量，重則危及系統的安全和穩定。因此，對負荷的變化進行預測估計是電力系統運行與發展的重要內容。

電力負荷預測是電力市場的重要組成部分，是經濟調度和電力生產規劃的重要依據，也是電力市場順利發展的必需數據。電力負荷預測從已知的用電需求出發，充分考慮政治、經濟、氣候等相關因素的影響，預測未來的用電需求。負荷預測的準確程度將直接影響到投資、網絡布局和運行的合理性，若負荷及電量預測不足，電網的發展便不能適應實際發展的需要，無法滿足用戶正常用電需求，甚至還可能缺電；另一方面，若負荷及電量預測過高，則又會導致一些過多而不能充分利用的設備，從而引起投資的浪費。

發明內容

針對現有技術中存在的不足，本公開的一個或多個實施例提供了一種電力負荷短期預測方法、模型、裝置及系統，結合影響因素分析、小波分解特征抽取、三次指數平滑時間序列分析及長短期記憶網絡，通過構建的電力負荷短期預測模型進行電力負荷短期預測，有效提高負荷預測的準確性。

根據本公開的一個或多個實施例的一個方面，提供一種電力負荷短期預測方法。

一種電力負荷短期預測方法，該方法包括：

接收負荷數據，并對其缺失數據進行數據補全；

接收影響因素數據，所述影響因素數據包括氣溫數據、節假日數據和行業數據，對影響因素采用與負荷數據相對應的量化方法進行量化；

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

將根據負荷數據得到的四個序列采用三次指數平滑算法進行初步預測，將負荷特征與影響因素的相關對的集合采用ARIMA-GARCH法預測得到調整因子，將初步預測結果與調整因子輸入長短期記憶網絡得到最終預測結果。

進一步地，在該方法中，對負荷數據的缺失數據釆用改進kNNI法進行數據補全，所述改進kNNI法進行數據補全是通過分析接收的負荷數據內部之間的關系，得到負荷數據之間存在的規律性，推測缺失的數據進行數據補全。

進一步地，所述改進kNNI法的具體步驟包括：

基于接收的負荷數據對用戶進行聚類；

選擇某一日期且與負荷數據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據；

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據的權重；