[發明專利]一種考慮體感溫度和輻射強度的短期負荷預測方法

有效

• 申請號: 201910101802.4
• 申請日: 2019-01-31
• 公開（公告）號: CN109886567B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 喻樂;張珂珩;張晶;施磊;謝旭;涂孟夫;史佩然;耿琳;寧健;沈茂亞
• 申請（專利權）人: 國電南瑞科技股份有限公司;國家電網有限公司;國家電網公司華北分部;國電南瑞南京控制系統有限公司;南瑞集團有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 母秋松;董建林

1.一種考慮體感溫度和輻射強度的短期負荷預測方法，其特征在于：包括如下步驟：

步驟1：查詢歷史的負荷、氣象和日類型信息作為樣本數據；

步驟2：計算歷史體感溫度數據和日負荷水平；利用溫度、濕度、風速計算相應時間的歷史體感溫度；對日96點負荷進行統計，分別得到每日的最高負荷和最低負荷；

步驟3：建立考慮歷史體感溫度和日照輻射強度的神經網絡預測模型，得到待預測日的負荷水平；根據近N天的歷史日最高負荷值、日最低負荷值、歷史體感溫度、日照輻射強度建立神經網絡的短期負荷水平預測模型，經過參數優化后，通過該預測模型得到待預測日的日最高負荷值、日最低負荷值；

步驟4：從歷史樣本數據集中，通過凝聚層次聚類算法，對近N年的日負荷曲線進行聚類分析；根據待預測日的日類型，選擇特定類的實際日，對特定類中實際日的氣象數據和待預測日的預測氣象數據做偏差分析，選擇氣象數據相近的作為待預測日的“模式相似日”；分別計算實際日歸一化負荷系數，然后平均作為待預測日的歸一化負荷系數；

步驟5：通過待預測日歸一化負荷系統和日最高負荷值、日最低負荷值計算待預測日96點負荷數據；

所述步驟2中，歷史體感溫度T_g計算公式如下：

其中，T_a為常規氣溫，h為相對濕度，v為風速大小；

日最高負荷和日最低負荷的計算公式如下：

L_max＝max(L)

L_min＝min(L)

其中，L_max為日最高負荷，L_min為日最低負荷，L為日96點負荷值的數組。

2.根據權利要求1所述的一種考慮體感溫度和輻射強度的短期負荷預測方法，其特征在于：步驟1中，日24小時氣象數據至少包括24小時的溫度、濕度、風速、風向和日照輻射強度；日類型指某個日期為工作日還是休息日，若為工作日，則確定為星期幾；若為休息日，則確定普通周末還是特殊節假日，包括：元旦、春節、元宵、五一、端午、十一。

3.根據權利要求1所述的一種考慮體感溫度和輻射強度的短期負荷預測方法，其特征在于：所述步驟3中，考慮體感溫度和日照強度的神經網絡預測模型包括：

輸入層：輸入變量包括近N天的日24小時體感溫度、輻射強度、近N天的日最高負荷值、日最低負荷值；待預測日的日24小時體感溫度、輻射強度；

輸出層：日最高負荷值、日最低負荷值；

所述神經網絡預測模型的求解器使用隨機梯度下降算法，其激活函數采用sigmoid函數，即：

g(x)＝1/(1+e^-x)

式中，x是預測輸入向量，g為激活函數輸出值。

4.根據權利要求1所述的一種考慮體感溫度和輻射強度的短期負荷預測方法，其特征在于：所述步驟4中，凝聚層次聚類時，通過計算每個個體樣本之間的歐氏距離來達到最終的聚類歸并效果；

計算任意兩個歷史負荷之間的歐氏距離方法如下：設n維樣本空間S中任意兩個數據序列X、Y分別為X＝{x₁,x₂,……,x_n-1,x_n},Y＝{y₁,y₂,……,y_n-1,y_n}，其歐氏距離d(X,Y)為：

設定負荷曲線間距離閾值為d；在樣本集S中有N條樣本負荷數據序列S＝{L₁,L₂,……,L_n-1,L_N}，任意取出負荷數據L_k，k＝1,2,…,N，并計算該負荷數據與其他負荷數據序列的歐氏距離；分類算法開始時，每一個負荷數據均為一個“簇”，通過歐氏距離公式，對相近的負荷數據進行“簇”的合并，為同一個“簇”；反復上述合并的過程，直到達到預定的分類目標即可停止；分類完成后，根據負荷的自身變化特性，分類包括：工作日、周末、三天的節假日、七天的節假日。