[發明專利]一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法在審
| 申請號: | 201910254502.X | 申請日: | 2019-03-31 |
| 公開(公告)號: | CN110135617A | 公開(公告)日: | 2019-08-16 |
| 發明(設計)人: | 邢立寧;侯一幟;王凌;劉勇;任騰;龐燕;王忠偉;魏占國;周盛超 | 申請(專利權)人: | 中南林業科技大學;湖南泉涌信息科技有限公司 |
| 主分類號: | G06Q10/04 | 分類號: | G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q50/26 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 410004 *** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 負荷特性 氣象因素影響 聚類算法 改進 最小二乘支持向量機 徑向基神經網絡 預處理 短期負荷預測 粒子群優化 氣象數據庫 實時數據庫 典型負荷 負荷預測 回歸模型 物理特性 影響因素 用戶負荷 預測模型 預測 算法 調控 優化 | ||
1.一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法,其具體操作步驟如下:
步驟1:從SCADA實時數據庫和氣象數據庫導入原始的用戶負荷數據并預處理,其中,實時數據庫為用電企業或者設備的用電負荷情況、電流、電壓數據,以及企業或者設備的實時生產時間表數據,氣象數據庫為氣溫、濕度、風力以及風向數據;
步驟2:依據負荷特性細分為典型五類負荷,其中,典型五類負荷分別為基本保障負荷、生產計劃負荷、氣象敏感負荷、照明調控負荷以及隨機負荷;
步驟3:使用聚類算法結合相關影響因素分別對每一類典型負荷進行相似日細分;
步驟4:使用分布式預測模型對不同類型負荷分別預測,且所采用的預測方法為誤差較小的優化改進粒子群優化徑向基神經網絡和最小二乘支持向量機回歸模型算法;
步驟5:通過耦合預測數據得到適用于需求側響應的準確短期負荷預測數據,其中,耦合預測數據為根據各種負荷的關聯程度以數據參數來量化出一個具體值。
2.根據權利要求1所述的一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法,其特征在于:所述步驟1中的預處理過程用于對壞數據進行處理,且該壞數據包括數據缺失和數據突變。
3.根據權利要求2所述的一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法,其特征在于:所述步驟1的壞數據中的數據突變所滿足的方程為
式中:β1為負荷峰值的閥值;β2為負荷谷值的閥值,依據不同類型負荷分別取值,對于首端負荷,使用右側的級比生成進行修正,而末端使用左側數據修正,中間段取其前后負荷加權平均。
4.根據權利要求1所述的一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法,其特征在于:所述步驟2中的基本保障負荷為基本的用電數據,生產計劃負荷為工廠生產計劃,生產機廠、設備的功率以及時間,氣象敏感負荷為溫度、風速以及雨雪天氣信息,照明調控負荷為照明調控的總功率、時長,隨機負荷為臨時性的用電情況以及電路損耗相關信息。
5.根據權利要求1所述的一種氣象因素影響下基于負荷特性的改進短期負荷的預測方法,其特征在于:所述步驟3中的屬性聚類算法為基于屬性權重的聚類算法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中南林業科技大學;湖南泉涌信息科技有限公司,未經中南林業科技大學;湖南泉涌信息科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910254502.X/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種優化購票方案的方法
- 下一篇:一種風廓線數據預測方法
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法;其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政;管理
G06Q10-02 .預定,例如用于門票、服務或事件的
G06Q10-04 .預測或優化,例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理,例如組織、規劃、調度或分配時間、人員或機器資源;企業規劃;組織模型
G06Q10-08 .物流,例如倉儲、裝貨、配送或運輸;存貨或庫存管理,例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化,例如電子郵件或群件的計算機輔助管理





