[發明專利]一種基于智能電表用戶聚類分析的配電網負荷預測方法

有效

• 申請號: 201910050608.8
• 申請日: 2019-01-20
• 公開（公告）號: CN109886465B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 黃南天;王文婷;蔡國偉;楊冬鋒;黃大為;楊德友;孔令國;王燕濤;楊學航;包佳瑞琦;吳銀銀;張祎祺;李宏偉;陳慶珠;劉宇航;張良;劉博
• 申請（專利權）人: 東北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林

一種基于智能電表用戶聚類分析的配電網負荷預測方法，其特征是，包括：分析智能電表用戶的負荷波動性，按照波動程度將一天24小時分成3個波動程度有差異的時段；確定預測器輸入特征集，并分析該特征集合下，不同用戶的特征重要度；以特征重要度集合描述用戶差異，并對用戶進行SDCKM聚類，將輸入特征具有相似響應程度的用戶分為一類，日內不同配網總負荷波動程度時段最優聚類結果采用統計實驗確定；選取基于集成學習的隨機森林預測器，針對不同波動程度時段最優聚類結果，分別構建滾動預測模型。解決了聚類中心初始點選取具有隨機性，容易陷入局部最優的問題，降低了滾動預測模型的預測誤差，提高基于智能電表用戶的配電網負荷預測精度。

技術領域

本發明涉及電氣技術領域，是一種基于智能電表用戶聚類分析的配電網負荷預測方法。

背景技術

負荷預測對于實現經濟最優化調度、安全運行和分布式可再生清潔能源消納起著至關重要的作用。配電網日前負荷預測準確性直接影響配電系統的經濟和安全運行。相較于傳統負荷預測，配網日前負荷預測具有波動性強、待預測區域內配網用戶構成復雜、用戶用電行為差異性大等特點，預測難度更高。智能電表(Smart Meter,SM)采集的用戶用電數據為海量用戶的負荷特性分析提供了數據基礎。能夠在大數據挖掘基礎上，對海量用戶開展聚類分析，并對聚類后的每類用戶針對性構建不同預測模型。通過降低類內用戶差異，進一步提升模型預測精度。

目前智能電表用戶聚類大多根據用戶的負荷曲線或統計負荷特征對用戶進行聚類，受用戶用電量影響，難以保證類內的用戶對預測器輸入特征具有相似的響應，且難以分析非負荷類特征對未來用電負荷的影響。同時，未分析不同時段待預測總負荷波動程度對該時段內用戶最優聚類數的影響。并且聚類中心初始點選取具有隨機性，容易陷入局部最優。

發明內容

本發明的目的在于，克服現有技術的限制和缺陷，提供一種科學合理，適用性強，效果佳的基于智能電表用戶聚類分析的配電網負荷預測方法。

本發明的目的是由以下技術方案來實現的：一種基于智能電表用戶聚類分析的配電網負荷預測方法，其特征是，它包括以下步驟：

1)分析智能電表用戶的負荷波動性，按照波動程度將一天24小時分成3個波動程度有差異的時段

以標準差σ來體現用戶用電的波動性，其公式為：

式中，σ(t)表示在t時刻的標準差，n表示SM的個數，n＝1,2,…,N；t代表每個時刻，t＝1,2,…,48，L_n(t)為第n個SM在t時刻的負荷值；

2)確定預測器輸入特征集，并分析該特征集合下，不同用戶的特征重要度

RReliefF重要度分析的數學模型為：

N_dL＝N_dL+diff(L,R_i,I_j)·d(i,j)

N_dF(F)＝N_dF(F)+diff(F,R_i,I_j)·d(i,j)

N_dL·_dF(F)＝N_dL·_dF(F)+diff(L,R_i,I_j)·diff(F,R_i,I_j)·d(i,j)