[發明專利]一種區域電力負荷預測方法

在審

• 申請號: 201910510630.6
• 申請日: 2019-06-13
• 公開（公告）號: CN110212524A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 唐標;李博;朱夢夢;程志萬;朱全聰;楊莉;王恩;李貴良
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

本申請公開一種區域電力負荷預測方法，包括：根據用電區域的歷史負荷數據，構造N組不同時間間隔步長的時間序列特征數據；分別對N組時間序列特征數據進行相關性檢驗，得到M組通過檢驗的相關序列；所述相關序列具有序列自相關性；將M組所述相關序列輸入多序列長短期記憶網絡預測模型中，集成所述多序列長短期記憶網絡預測模型的輸出結果，預測目標時間點的負荷數據。本申請提供的多序列長短期記憶網絡預測模型，基于多個相關序列并捕獲負荷數據的長距離依賴性，捕捉如相鄰時間點相關性、日相關性、周相關性、月相關性之間的聯系，建立特征與負荷之間的非線性關系，提高了負荷預測的準確性，同時還可防止負荷數據樣本過度擬合。

技術領域

本申請涉及電力系統技術領域，尤其涉及一種區域電力負荷預測方法。

背景技術

作為使電網更智能化的關鍵環節之一，區域電力負荷預測在電力系統的規劃和運行中起著重要作用。諸如專家系統、灰色系統理論和人工神經網絡等許多方法被用于負荷預測，然而由于其負荷預測是一種極其不穩定的時間序列模型，這些方法建立的預測模型很難達到理想的效果，因此需探索一種更優化的負荷預測方法。

相關技術中提出由粒子群優化算法優化的最小二乘支持向量機模型、基于支持向量機的分銷網絡方法，或者使用隨機的基于森林的集成系統等負荷預測方法，這些方法雖然已在傳統時間序列模型的基礎上，提高了函數的擬合能力并提高了樣本的訓練效率，但沒有考慮到時間序列數據之間的相關性，導致負荷預測的準確性仍舊較低。此外，上述預測方法僅建立特征與負荷之間的非線性映射關系，忽略連續負荷數據樣本之間的相關關系，并且存在負荷數據樣本過度擬合的問題。

發明內容

本申請提供一種區域電力負荷預測方法，以解決負荷預測準確性低的問題。

本申請提供一種區域電力負荷預測方法，包括：

根據用電區域的歷史負荷數據，構造N組不同時間間隔步長的時間序列特征數據；

分別對N組時間序列特征數據進行相關性檢驗，得到M組通過檢驗的相關序列，M≦N；所述相關序列具有序列自相關性；

將M組所述相關序列輸入多序列長短期記憶網絡預測模型中，集成所述多序列長短期記憶網絡預測模型的輸出結果，預測目標時間點的負荷數據；其中，所述多序列長短期記憶網絡預測模型包括若干組長短期記憶網絡預測模型。

可選地，所述時間序列特征數據為：

E_i＝{e_t-Ki+1，e_t-2×Ki+1，...，e_t-j×Ki+1，...，e_t-n×Ki+1}

式中，E_i表示時間序列特征數據，Ki為時間間隔步長，n為時間序列特征數據的維度，e_t-j×Ki+1為E_i中第j個時間點對應的負荷變量；i＝1，2…，N；j＝1，2…，n。

可選地，所述分別對N組時間序列特征數據進行相關性檢驗，包括：

根據所述時間序列特征數據中任意兩個負荷變量之間的Spearman相關系數，以及所述時間序列特征數據的維度n，計算t檢驗統計量T；

判斷t檢驗統計量T是否大于或等于閾值t_α,v，所述閾值t_α,v是與顯著性水平α和自由度v有關的參數；

如果t檢驗統計量T大于或等于閾值t_α,v，則所述時間序列特征數據中任意兩個負荷變量之間具備相關性；反之，則所述時間序列特征數據中任意兩個負荷變量不相關。

可選地，所述得到M組通過檢驗的相關序列，包括：