[發明專利]一種用戶負荷短期預測方法和裝置

在審

• 申請號: 201910916662.6
• 申請日: 2019-09-26
• 公開（公告）號: CN110674993A
• 公開（公告）日: 2020-01-10
• 發明（設計）人: 盧世祥;林國營;馮小峰;闕華坤;陳亮
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司計量中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 11227 北京集佳知識產權代理有限公司
• 代理人: 沈闖

本申請實施例公開了一種用戶負荷短期預測方法和裝置，方法包括：對用戶進行分類，根據用戶的用電平穩性和溫度敏感性，將用戶分為用電平穩性好、用電平穩性差、溫度敏感性低和溫度敏感性高四類；對四類用戶均采用若干種預測模型進行預測，選擇效率最高的預測模型作為當前種類用戶的主要預測模型；分別對四類用戶采用對應的主要預測模型進行負荷短期預測。上述方法根據用戶用電特性進行用戶分類，然后選擇適應該類用戶特性的負荷預測算法進行預測，避免了單一負荷預測方法應用于不同特性用戶時預測精度降低的情況，同時具有預測速度快的特點，解決了目前負荷預測領域針對大量的用戶負荷難以同時保證高精度和高速度的預測結果的問題。

技術領域

本申請涉及用電負荷預測技術領域，尤其涉及一種用戶負荷短期預測方法和裝置。

背景技術

對于電力市場需求分析來說，電力系統短期負荷預測具有重要的作用，其不僅為電力系統的安全、經濟運行提供保障，也是市場環境下制定調度計劃、需求響應機制、交易計劃的基礎。準確的用電預測，可以經濟合理的安排電網內部機組的啟停，保持電網運行的安全穩定性，有利于市場競爭機制的推廣，促進電力市場的進一步改革，從而在保證社會的正常生活和生產活動的前提下，推動電力系統供需友好互動，從而提高經濟效益和社會效益。然而，目前負荷預測領域針對大量的用戶負荷難以保持高精度預測結果，為了提高負荷預測精度，大部分負荷預測算法在一定程度上犧牲了預測時間，預測模型花費較多的時間進行模型的訓練，占用了較多的運算資源。

發明內容

本申請實施例提供了一種用戶負荷短期預測方法和裝置，解決目前負荷預測領域針對大量的用戶負荷難以同時保證高精度和高速度的預測結果的問題

有鑒于此，本申請第一方面提供了一種用戶負荷短期預測方法，所述方法包括：

對用戶進行分類，根據用戶的用電平穩性和溫度敏感性，將用戶分為用電平穩性好、用電平穩性差、溫度敏感性低和溫度敏感性高四類；

對四類用戶均采用若干種預測模型進行預測，選擇效率最高的預測模型作為當前種類用戶的主要預測模型；

分別對四類用戶采用對應的主要預測模型進行負荷短期預測。

優選的，在對用戶進行分類之前，還包括：

采集用戶的歷史負荷數據和對應日期的溫度數據；

基于所述歷史負荷數據和所述溫度數據，采用聚類分析法對用戶進行辨識，確定用戶的用電平穩性和溫度敏感性。

優選的，所述分別對四類用戶采用對應的主要預測模型進行負荷短期預測具體為：

針對用電平穩性好、用電平穩性差、溫度敏感性低和溫度敏感性高的四類用戶，分別采用改進支持向量機預測模型、多模型模糊綜合模型、聚類LSTM預測模型和負荷分區預測模型進行負荷短期預測。

優選的，所述多模型模糊綜合預測模型包括：

采用基于聚類的負荷模式分析算法，得到反映用戶負荷模式特點的典型負荷模式，并依據樣本到質心的距離對各典型負荷模式進行分組；

基于神經網絡學習算法，建立神經網絡與各典型負荷模式分組對應的單元子預測模型；

根據待預測時刻輸入和各單元子預測模型相對應的典型負荷模式類相應輸入之間的相似度，分析并確定單元子預測模型的權重。

將各單元子預測模型的權重和預測值的乘積相加，得到多模型模糊綜合預測結果。

優選的，所述分別對四類用戶采用對應的主要預測模型進行負荷短期預測之后，還包括：

將預測結果存入數據庫和/或進行圖形化展示。

本申請第二方面提供了一種用戶負荷短期預測裝置，包括：