[發明專利]主動配電網用戶用電行為變權重組合預測模型及預測方法

在審

• 申請號: 201911025205.4
• 申請日: 2019-10-25
• 公開（公告）號: CN112561115A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 楊成濤;李坤;邵方冰;楊根甜;李海鐸;楊振明;張萬杰;楊立超;張枝進
• 申請（專利權）人: 云南電網有限責任公司瑞麗供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 郭偉剛

本發明公開了一種主動配電網用戶用電行為變權重組合預測模型及預測方法，涉及涉及主動配電網負荷預測領域。它包括用于求解組合預測模型權值序列的Elman神經網絡模塊，以及基于有序誘導加權平均算子的變權重組合預測模塊；所述變權重組合預測模塊通過將各個單項模型的誘導有序加權平均算子作為Elman神經網絡的輸入，得到網絡輸出的各個單項用戶用電行為預測模型權值序列，通過該權值序列來綜合各個單項用戶用電行為預測模型的預測結果，得到更高精度的組合預測結果。本發明充分利用Elman神經網絡的強大映射能力，充分挖掘了誘導有序算子與最優權值序列之間的映射關系，為變權重組合模型提供了可靠的計算數據。

技術領域

本發明涉及主動配電網負荷預測領域，尤其涉及一種主動配電網用戶用電行為變權重組合預測模型及預測方法。

背景技術

主動配電網作為高分布式電源滲透率，高控制要求的配電網發展趨勢，通過靈活多變的網架結構和多種類型分布式電源、可控負荷及DFACTs設備的協調控制實現大規模間歇式可再生能源并網，優化一次能源結構。而用戶用電預測是主動配電網進行運行調度，能源套利，安全性分析的基礎，其通過對歷史測量數據的分析，充分考慮影響用戶用電量的相關因素，對將來的一段時間之內的用戶用電量進行合理的預測。

目前，大多數研究者主要探討的負荷預測方法大體可以分類為為外推法與相關法兩類，除以上提及兩種預測方法外，聚類分析，小波分析，模糊集理論，混沌分形理論等等這些新的方法在電力系統預測中都取得了一定成果。

其中，外推法是僅僅利用負荷本身發展規律，偏向于純數學分析性質的方法，常見的外推法有最小二乘法，時間序列法，灰色模型等。

相關法是將負荷的發展規律和其他相關因素相結合，大多都與神經網絡，支持向量機，Q學習法等智能算法，機器學習相關聯。

由于方法眾多，早于50年前組合預測法便被Bate和Granger提出，該方法在各個單項模型預測結果之上進行決策，充分整合各個模型的輸出進行預測，使信息有效整合，得到更優的預測結果。組合模型是對單項預測模型的一種升華，其不為對某種原有模型的改進，亦不為新方法的引用，而是一種策略上的提升。但現有的關于組合預測模型的研究之中，多以固定權重來組合各個單項預測模型，該種組合預測模型對單項預測模型在不同時刻點的賦值權重是不變的，而各個單項預測模型在不同時刻點下的預測精度是高低不一的，以一個固定權重在不同時刻點來組合模型顯然是不合理的。

因此，為了給配電網運行控制提供更為精確的用戶用電預測數據，提高主動配電網優化運行效果與運行的經濟性，提出一種基于誘導有序加權平均算子的主動配電網用戶用電變權重組合預測模型已經成為急需。

發明內容

本發明的目的是針對上述技術問題，提出了一種主動配電網用戶用電行為變權重組合預測模型。

第一方面，本發明的技術方案為：一種主動配電網用戶用電行為變權重組合預測模型，包括用于求解組合預測模型權值序列的Elman神經網絡模塊，以及基于有序誘導加權平均算子的變權重組合預測模塊，其中：

所述的Elman神經網絡模塊通過控制各個單項用戶用電行為預測模型在某個時刻下的預測精度，并誘導有序加權平均算子作為神經網絡的輸入，而以該時刻下各個單項用戶用電行為預測模型的最優組合權值序列作為網絡的輸出，通過對這些歷史數據的訓練得到單項用戶用電行為預測模型的最優組合權值序列與預測精度的函數映射關系；

所述變權重組合預測模塊通過將各個單項模型的誘導有序加權平均算子作為Elman神經網絡的輸入，得到網絡輸出的各個單項用戶用電行為預測模型權值序列，通過該權值序列來綜合各個單項用戶用電行為預測模型的預測結果，得到更高精度的組合預測結果。

在上述技術方案中，網絡的輸入為各個單項用戶用電行為預測模型的某個時刻下的預測精度，其計算公式如下所示：