[發明專利]一種基于大數據時空聚類的智慧電網電力負荷預測方法

有效

• 申請號: 201910043165.X
• 申請日: 2019-01-17
• 公開（公告）號: CN109784562B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 劉輝;陳超;徐一楠;龍治豪;段鑄;王子琪
• 申請（專利權）人: 中南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

本發明公開了一種基于大數據時空聚類的智慧電網電力負荷預測方法，將電力負荷時間序列分為時間向量和空間向量，分別對時間向量和空間向量進行聚類，得到N*K個時空聚類類別，每個聚類類別綜合電力負荷時間序列在時間和空間的特性，然后對每種時空聚類類別的電力負荷時間序列分別建立負荷預測模型，該方法從電力負荷的時空特性進行分析，能有效辨識時間和空間對電力負荷的影響，有效精準的預測電力負荷。

技術領域

本發明屬于電力系統領域，具體涉及一種基于大數據時空聚類的智慧電網電力負荷預測方法。

背景技術

智慧電網是指電網的智能智慧化，旨在實現電網安全、經濟和高效，智慧電網是電網在不斷發展的必經之路。精確有效的預測電力負荷是智慧電網建設中必不可少的環節。電力負荷是隨時間變化而改變的，其受人為因素和環境因素影響，是一種復雜、非平穩、非線性的時間序列。

近年來，電力負荷時間序列的預測受到了廣泛的關注，傳統電力負荷時間序列預測方法主要有ARIMA模型、ARMA模型和灰色預測模型等。傳統電力負荷時間序列預測方法在模型結構設置上不夠靈活，忽略了電力負荷的時間、空間特性，對電力負荷時間序列特征考慮過于簡單，使得電力負荷時間序列預測模型只在適當時間和指定空間區域才具有較好的精確度，缺乏適應能力。

發明內容

針對上述技術問題，本發明提供一種基于大數據時空聚類的智慧電網電力負荷預測方法，能有效辨識時間和空間對電力負荷的影響，有效精準的預測電力負荷。

為實現上述技術目的，本發明采用如下技術方案：

一種基于大數據時空聚類的智慧電網電力負荷預測方法，包括以下步驟：

步驟1，獲取目標區域電力負荷長時間原始序列數據；

所述目標區域電力負荷長時間原始序列數據包括目標區域總電力負荷長時間原始序列A和分別與目標區域中Q個目標子區域對應的目標子區域子電力負荷長時間原始序列A_i,i＝1,2,…,Q，且A＝A₁+A₂+…+A_i+…A_Q；

步驟2，獲取目標區域氣溫數據；

所述氣溫數據包括每個目標子區域每天的平均氣溫和氣溫跳躍范圍；

步驟3，對目標子區域子電力負荷長時間原始序列進行分解處理；

步驟3.1，將每個目標子區域子電力負荷長時間原始序列A_i按時間窗進行分解，得到n*Q個子電力負荷時間序列X_i,j，j＝1,2,…,n，組成子電力負荷時間序列矩陣Qn，設置時間窗的長度為L1；

步驟3.2，將每個時間窗分為L1/L2個時間子窗，對每個時間子窗內的電力負荷值求均值作為時間子窗的電力負荷值，設置時間子窗的長度為L2；

步驟3.3，更新子電力負荷時間序列矩陣Qn，得到n*Q個長度為L1/L2的子電力負荷時間序列；

步驟4，根據子電力負荷時間序列矩陣Qn按時間窗建立n個時間向量，并對n個時間向量進行時間聚類，得到N個時間聚類類別；

步驟5，根據子電力負荷時間序列矩陣Qn按目標子區域建立Q個空間向量，并對Q個空間向量進行空間聚類，得到K個空間聚類類別；

步驟6，設時間聚類和空間聚類的組合為時空聚類，聚類類別的數量為N*K，為每個子電力負荷時間序列按時間窗和目標子區域確定時空聚類類別，每個時空聚類類別得到若干個子電力負荷時間序列，所述若干個子電力負荷時間序列組成與時空聚類類別對應的負荷預測模型的訓練樣本；

步驟7，依據N*K組負荷預測模型的訓練樣本，分別建立N*K個負荷預測模型；