[發(fā)明專利]一種臺(tái)區(qū)線損預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011278351.0
• 申請(qǐng)日: 2020-11-16
• 公開（公告）號(hào): CN112257962B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 陸煜鋅;趙云;肖勇;徐迪;黎海生;李如雄;張宇婷;唐堅(jiān)釗;彭偉鋒
• 申請(qǐng)（專利權(quán)）人: 南方電網(wǎng)科學(xué)研究院有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司汕尾供電局
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06Q10/067
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 蘇云輝

本申請(qǐng)公開了一種臺(tái)區(qū)線損預(yù)測(cè)方法及裝置，方法包括：獲取臺(tái)區(qū)未來k日以及歷史n日的預(yù)報(bào)數(shù)據(jù)，預(yù)報(bào)數(shù)據(jù)包括天氣預(yù)報(bào)類型、最高預(yù)報(bào)溫度以及日期數(shù)據(jù)；采用模糊聚類算法計(jì)算歷史n日中與未來第i日相似度最大的前m日的預(yù)報(bào)數(shù)據(jù)作為預(yù)測(cè)集；將預(yù)測(cè)集輸入到訓(xùn)練好的預(yù)測(cè)模型中，預(yù)測(cè)得到未來第i日的線損值。本申請(qǐng)可以通過臺(tái)區(qū)線損的歷史記錄，對(duì)未來一段日期的線損進(jìn)行預(yù)測(cè)，而不需要測(cè)量其他數(shù)據(jù)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電力數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種臺(tái)區(qū)線損預(yù)測(cè)方法及裝置。

背景技術(shù)

通過數(shù)字化平臺(tái)，監(jiān)視電網(wǎng)中每一個(gè)計(jì)量點(diǎn)的采集數(shù)據(jù)，使得計(jì)算每日的臺(tái)區(qū)線損成為了現(xiàn)實(shí)。

而臺(tái)區(qū)的線損一般會(huì)隨著各種因素的變化而變化，包括周遭環(huán)境的變化以及負(fù)荷的增減。例如，當(dāng)臺(tái)區(qū)工作穩(wěn)定正常時(shí)，臺(tái)區(qū)的線損會(huì)按照一定的時(shí)間周期進(jìn)行有規(guī)律的變化。因此，可以將未來一段時(shí)間內(nèi)的臺(tái)區(qū)線損通過分析計(jì)算進(jìn)行預(yù)測(cè)。

臺(tái)區(qū)線損預(yù)測(cè)技術(shù)能夠應(yīng)用于計(jì)量自動(dòng)化系統(tǒng)中，工作人員可以通過獲得每一個(gè)臺(tái)區(qū)未來的線損預(yù)測(cè)值作為參考值，對(duì)臺(tái)區(qū)的線損異常閾值進(jìn)行修正。因此，臺(tái)區(qū)線損預(yù)測(cè)技術(shù)將成為配電網(wǎng)日常維護(hù)、異常發(fā)現(xiàn)、故障診斷的支撐環(huán)節(jié)，為實(shí)現(xiàn)智能電網(wǎng)提供基礎(chǔ)支持。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種基于相似日的LSSVM臺(tái)區(qū)線損預(yù)測(cè)方法，使得可以通過臺(tái)區(qū)線損的歷史記錄，對(duì)未來一段日期的線損進(jìn)行預(yù)測(cè)，而不需要測(cè)量其他數(shù)據(jù)

有鑒于此，本申請(qǐng)第一方面提供了一種臺(tái)區(qū)線損預(yù)測(cè)方法，所述方法包括：

獲取臺(tái)區(qū)未來k日以及歷史n日的預(yù)報(bào)數(shù)據(jù)，所述預(yù)報(bào)數(shù)據(jù)包括天氣預(yù)報(bào)類型、最高預(yù)報(bào)溫度以及日期數(shù)據(jù)；

采用模糊聚類算法計(jì)算歷史n日中與未來第i日相似度最大的前m日的預(yù)報(bào)數(shù)據(jù)作為預(yù)測(cè)集，0i≤k；

將所述預(yù)測(cè)集輸入到訓(xùn)練好的預(yù)測(cè)模型中，預(yù)測(cè)得到未來第i日的線損值。

可選的，在所述將所述預(yù)測(cè)集輸入到訓(xùn)練好的預(yù)測(cè)模型中，預(yù)測(cè)得到未來第i日的線損值，之前還包括：

獲取臺(tái)區(qū)的第一歷史數(shù)據(jù)，所述第一歷史數(shù)據(jù)包括每日的線損值、天氣類型、日最高溫度、日期類型以及日期間距；

采用模糊聚類算法計(jì)算預(yù)測(cè)日之前的第二歷史數(shù)據(jù)中，與所述預(yù)測(cè)日數(shù)據(jù)相似度最大的前m個(gè)數(shù)據(jù)；所述第一歷史數(shù)據(jù)包括所述預(yù)測(cè)日數(shù)據(jù)以及所述第二歷史數(shù)據(jù)；

將屬于同一所述預(yù)測(cè)日數(shù)據(jù)的所述相似度最大的前m個(gè)數(shù)據(jù)以及預(yù)測(cè)日的線損值合并為輸入樣本；

將所述輸入樣本隨機(jī)劃分成訓(xùn)練集和測(cè)試集，用于對(duì)基于LSSVM構(gòu)建的預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的所述預(yù)測(cè)模型。

可選的，在所述獲取臺(tái)區(qū)的第一歷史數(shù)據(jù)，所述第一歷史數(shù)據(jù)包括每日的線損值、天氣類型、日最高溫度、日期類型以及日期間距，之后還包括：

對(duì)所述第一歷史數(shù)據(jù)進(jìn)行預(yù)處理；

具體為：

剔除所述線損值中的異常值數(shù)據(jù)；

對(duì)所述天氣類型、日最高溫度、日期類型和日期間距進(jìn)行分類量化處理；

將剔除異常值的所述線損值以及量化后的所述天氣類型、日最高溫度、日期類型和日期間距，合并成新的所述第一歷史數(shù)據(jù)；新的所述第一歷史數(shù)據(jù)包括每一日的所述線損值和所述天氣類型、日最高溫度、日期類型和日期間距。

可選的，所述對(duì)所述天氣類型、日最高溫度、日期類型和日期間距進(jìn)行分類量化處理，具體為：

根據(jù)天氣對(duì)線損值的影響，將所述天氣類型中的晴、多云、陰天、降雨和下雪分別映射至0至1中的區(qū)間；