[發明專利]一種基于云計算和機器學習下的微電網負荷預測系統

在審

• 申請號: 202010461681.7
• 申請日: 2020-05-27
• 公開（公告）號: CN111523736A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 顏森林;仇飛;曾令鵬
• 申請（專利權）人: 南京曉莊學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04;G06N20/00;H02J3/00
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 鄒長斌

1.一種基于云計算和機器學習下的微電網負荷預測系統，其特征在于：包括負荷分析單元(100)、負荷預測單元(200)和系統算法學習單元(300)，其特征在于：所述負荷分析單元(100)用于對日、周、月、季、年的負荷數據分析以及負荷與氣象要素的分析；所述負荷預測單元(200)用關于通過單變量之間的相互關系對未來負荷值做出一個方向性的結論；所述系統算法學習單元(300)用于基于神經網絡算法對系統算法進行自主學習。

2.根據權利要求1所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述負荷分析單元(100)包括單日負荷分析模塊(101)、多日負荷對比分析模塊(102)和氣象要素分析模塊(103)；所述單日負荷分析模塊(101)用于分析某日負荷曲線走勢；所述多日負荷對比分析模塊(102)用于一段時間內的日負荷曲線和日統計指標進行對比分析；所述氣象要素分析模塊(103)用于分析氣象要素對負荷的影響情況。

3.根據權利要求1所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述負荷預測單元(200)包括用電單耗預測模塊(201)、電力彈性系數預測模塊(202)、負荷密度法預測模塊(203)、時間序列分析法(204)和回歸分析預測模塊(205)；所述用電單耗預測模塊(201)用于根據預測期的產品產量和用電單耗計算需要的用電量；所述電力彈性系數預測模塊(202)用于根據年用電量的年平均增長率和國內生產總值年平均增長率來預測負荷水平；所述負荷密度法預測模塊(203)用于根據面積用電負荷，來測算負荷水平；所述時間序列分析法(204)根據時間變化的規律，用于預測負荷水平；所述回歸分析預測模塊(205)利用數理統計原理，建立數學模式即回歸方程，用來預測負荷水平。

4.根據權利要求3所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述用電單耗預測模塊(201)的算法公式如下：

式中，P_n·max為年最大負荷，單位為MW；A_n為年需用電量，單位為kW·h；Tmax為年最大負荷利用小時數，單位為h。

5.根據權利要求3所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述電力彈性系數預測模塊(202)的計算公式如下：

A_m＝A₀(l+k_tk_gzch)ⁿ；

式中，Am為預測期末的需用電量或年最大負荷；A0wei預測期初的需用電量或年最大負荷；kt為電力彈性系數，k_g螸ch為國內生產總值年平均增長率。

6.根據權利要求1所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述系統算法學習單元(300)包括核函數極限學習模塊(301)、參數尋優目標學習模塊(302)和加權離散距離學習模塊(303)。

7.根據權利要求6所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述核函數極限學習模塊(301)基于ELM算法實現，其網絡函數表達式為：

式中，a_i為為連接輸入層與隱藏層節點的輸入權重，b_i為隱藏層節點的閾值，且a_i，b_i隨機生成，G(a_i，b_i，x_j)為隱藏層的激勵函數，β_i為為連接隱藏層和輸出層的輸出權重，N為輸入層輸入數據x_j的維數。

8.根據權利要求6所述的基于云計算和機器學習下的微電網負荷預測系統，其特征在于：所述參數尋優目標學習模塊(302)的目標函數為：

式中，X_i為為輸入訓練樣本，y_i為訓練樣本的目標值，為預測輸出值，N為訓練樣本數。