[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

本發明公開了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，具體涉及短期負荷預測技術領域，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；步驟2：依據負荷特性細分為典型五類負荷；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。本發明通過采用負荷物理特性與屬性聚類算法相結合的方法完成負荷二次細分，使用精度較高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等算法建立負荷短期改進預測模型，既能得到準確的負荷預測結果，又方便需求側用戶就地進行各類負荷針對性調控。

技術領域

本發明涉及短期負荷預測技術領域，更具體地說，本發明涉及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。

背景技術

負荷預測是根據系統的運行特性、增容決策、自然條件與社會影響等諸多因數，在滿足一定精度要求的條件下，確定未來某特定時刻的負荷數據，其中負荷是指電力需求量(功率)或用電量。負荷預測是電力系統經濟調度中的一項重要內容，是能量管理系統(EMS)的一個重要模塊。需要人們采用適當的預測技術，推知負荷的發展趨勢和可能達到的狀況。

但是隨著現代技術理論的不斷提升，負荷預測的方法從回歸分析法、時間序列法、趨勢外推法等發展到人工神經網絡法、支持向量機法等。傳統負荷預測方法將重點放在負荷數據序列本身，應用于需求側用戶出現了收斂速度慢、預測精度低等問題。

發明內容

為了克服現有技術的上述缺陷，本發明的實施例提供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，通過采用負荷物理特性與屬性聚類算法相結合的方法完成負荷二次細分，使用精度較高的優化改進粒子群優化徑向基神經網絡(MPSO-RBF)和最小二乘支持向量機回歸模型(LS-SVM)等算法建立負荷短期改進預測模型，既能得到準確的負荷預測結果，方便需求側用戶就地進行各類負荷針對性調控，又方便管理者宏觀掌控需求側用戶負荷情況，有效推動能源互聯網的發展，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：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。

在一個優選地實施方式中，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。

在一個優選地實施方式中，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。