[發明專利]一種基于兩階段還原的地區網供負荷精細化預測方法

在審

• 申請號: 201910161669.1
• 申請日: 2019-03-04
• 公開（公告）號: CN109934396A
• 公開（公告）日: 2019-06-25
• 發明（設計）人: 李丹;楊保華;張遠航;謝晨晟;王奎;賀彩;云洋;李紫瑤;鄧思影
• 申請（專利權）人: 三峽大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 余山

1.一種基于兩階段還原的地區網供負荷精細化預測方法，其特征在于，包括以下步驟：

步驟一：采集地區用電負荷、小水火電、新能源發電和區域互供功率的歷史數據，以及分時分區氣象的歷史和預測數據；

步驟二：采用兩階段還原法，將網供負荷分解為地區用電負荷與小水火電、新能源發電和區域互供功率的組合；

步驟三：根據不同類型負荷的特點和影響因素，引入分時分區氣象信息，構建不同的預測模型，并基于各類型負荷預測模型和預測日的精細化氣象預測值，獲得各類型負荷曲線的預測結果；

步驟四：將各類型的負荷預測曲線進行組合，還原得到預測日的網供負荷預測曲線。

2.根據權利要求1所述的基于兩階段還原的地區網供負荷精細化預測方法，其特征在于：在步驟一中，采集地區用電負荷P_L,d、小水火電發電功率P_S,d、新能源發電功率P_N,d和區域互供功率P_H,d的歷史數據以及分時分區氣溫T_d、降雨量H_d、太陽輻照度I_d和風速V_d的歷史和預測數據，其中d∈{1,...,D},D為歷史樣本日的總天數。

3.根據權利要求1或2所述的基于兩階段還原的地區網供負荷精細化預測方法，其特征在于：在步驟二中，采用兩階段還原法，將網供負荷P_W,d分解為地區用電負荷P_L,d與小水火電發電功率P_S,d，新能源發電功率P_N,d和區域互供功率P_H,d的組合：

P_W,d＝P_L,d-P_S,d-P_N,d-P_H,d(d＝1,2,...,D)。

4.根據權利要求3所述的基于兩階段還原的地區網供負荷精細化預測方法，其特征在于：在步驟三中，基于各類型負荷預測模型和預測日的精細化氣象預測值，獲得各類型負荷曲線的預測結果，具體采用以下步驟：

步驟1.預測地區用電負荷曲線P_L,f，將前一日地區用電負荷曲線P_L,d-1、預測日的分時分區氣溫T_d以及分時分區降雨量H_d作為輸入參數X_L,d，建立地區用電負荷曲線P_L,d的LSTM神經網絡預測模型f_LSTM；并依據預測前日和當日的日類型轉移一致為原則，按距離預測時間由近及遠選擇訓練樣本，對LSTM參數θ_LSTM進行訓練，獲取最優LSTM預測參數最后利用最優LSTM預測模型和預測日的輸入參數X_L,f，對預測日的電力負荷曲線P_L,f進行預測：

X_L,d＝[T_d,H_d,P_L,d-1]

P_L,d＝f_LSTM(X_L,d,θ_LSTM)

步驟2.預測小水火電發電功率P_S,f，將小水電功率曲線分解為日最大P_max,d、最小功率P_min,d和標幺化曲線F_d三個特征量；對日最大、最小功率P_max,d和P_min,d，采用時間序列神經網絡f_narxnet開展預測；對標幺化曲線F_d，通過Kmeans技術將歷史標幺曲線聚為K類，采用概率神經網絡f_PNN依據預測日的分區降雨量H_f和最大功率P_max,f、最小功率P_min,f的預測值，識別預測日對應的標幺曲線類別k_f，并以第k_f類別的中心標幺曲線作為預測日標幺化曲線F_f的預測結果；最后將預測日的日最大、最小功率和標幺化曲線三個特征量P_max,f、P_min,f、F_f的預測信息加以組合，得到小水電發電功率曲線P_S,f的預測結果；

步驟3.預測新能源發電功率P_N,f，將新能源發電功率P_N,d-1與分時分區輻照度I_d或風速V_d作為輸入參數，建立新能源發電功率曲線P_N,d的RBF神經網絡預測模型f_RBF；并依據訓練樣本對模型參數θ_RBF進行訓練，獲取最優預測模型參數最后利用最優新能源發電功率預測模型和預測日的輸入參數X_N,f，對預測日的電力負荷曲線P_N,f進行預測：

X_N,d＝[I_d or V_d,P_N,d-1]

P_N,d＝f_RBF(X_N,d,θ_RBF)

步驟4.預測區域互供功率P_H,f，將前n日的區域互供功率[P_H,f-1,P_H,f-2,…,P_H,f-n]作為輸入參數，建立區域互供功率曲線P_H,f的灰色預測模型：

P_H,f＝f_GRAY(P_H,f-1,P_H,f-2,...,P_H,f-n)。