[發明專利]基于徑向基神經網絡的母線短期負荷預測方法

在審

• 申請號: 202011306110.2
• 申請日: 2020-11-20
• 公開（公告）號: CN112580853A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 湯義勤;鄒宏亮;柳駿;鄭遠德;王康;劉滌塵;蔣旭;趙潔;唐佳杰;方宇迪;何育欽
• 申請（專利權）人: 國網浙江省電力有限公司臺州供電公司;武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;H02J3/00
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 戴俊波

本發明提出了一種基于徑向基神經網絡的母線短期負荷預測方法，包括：對電力系統中各個指標與母線短期負荷之間的相關性進行分析，根據分析結果篩選出影響母線短期負荷的相關指標；根據篩選出的相關指標，結合相關性的分析結果構建徑向基神經網絡；根據所述相關指標的歷史數據對徑向基神經網絡進行訓練，得到訓練后的徑向基神經網絡；將相關指標的實時數據輸入訓練后的徑向基神經網絡，得到母線短期負荷的預測結果。在電力系統的母線側進行短期負荷預測，引入pearson系數進行相關性分析，有利于準確構建徑向基神經網絡，進而實現對母線負荷的短期精確預測，提高短期負荷預測的準確性。

技術領域

本發明屬于電力負荷預測領域，尤其涉及一種基于徑向基神經網絡的母線短期負荷預測方法。

背景技術

隨著經濟的快速發展和用電量水平的大幅上升，電力系統的短期負荷預測對規劃電力系統運行起到了關鍵性作用。影響短期負荷變化的相關指標通常分布在不同的電力公司與售電公司，彼此之間的數據系統不連通，提高了短期負荷預測的難度，導致得到的短期負荷預測結果不準確、不及時，進而對電力系統的運行規劃造成影響。

發明內容

為了解決現有技術中存在的缺點和不足，本發明提出了一種基于徑向基神經網絡的母線短期負荷預測方法，包括：

對電力系統中各個指標與母線短期負荷之間的相關性進行分析，根據分析結果篩選出影響母線短期負荷的相關指標；

根據篩選出的相關指標，結合相關性的分析結果構建徑向基神經網絡；

根據所述相關指標的歷史數據對徑向基神經網絡進行訓練，得到訓練后的徑向基神經網絡；

將相關指標的實時數據輸入訓練后的徑向基神經網絡，得到母線短期負荷的預測結果。

可選的，所述對電力系統中各個指標與母線短期負荷之間的相關性進行分析，根據分析結果篩選出影響母線短期負荷的相關指標，包括：

基于公式一計算每個指標與母線短期負荷的pearson系數；

r為指標X與母線短期負荷Y之間的pearson系數，K為指標的總個數，X、Y的取值范圍為正數，K的取值范圍為正整數，r的取值范圍為-1≤r≤1，其中當r0時，表示對應的指標X與母線短期負荷Y為正相關，當r0時，表示對應的指標X與母線短期負荷Y為負相關；

篩選出θ≤|r|≤1的指標作為影響母線短期負荷的相關指標，θ為預設相關閾值，θ的取值范圍為小于1的正數。

可選的，所述根據篩選出的相關指標，結合相關性的分析結果構建徑向基神經網絡，包括：

結合相關指標與預設時段的個數乘積確定徑向基神經網絡中輸入層的節點個數，根據相關指標的類型確定徑向基神經網絡中隱藏層的中心節點；

通過徑向基函數連接輸入層的節點與隱藏層的中心節點；

基于相關指標與母線短期負荷之間的相關性設置權重，通過所述權重連接徑向基神經網絡中的隱藏層和輸出層。

進一步的，所述根據所述相關指標的歷史數據對徑向基神經網絡進行訓練，得到訓練后的徑向基神經網絡，包括：

將相關指標的歷史數據輸入徑向基神經網絡，對設置的權重進行訓練；

獲取母線側在每個預設時段的歷史負荷，通過輸出層獲取徑向基神經網絡的輸出結果；

計算輸出結果與歷史負荷之差的絕對值作為預測誤差，根據預測誤差計算平均相對誤差、最大相對誤差、超負荷率、高于真實值負荷率、低于真實值負荷率、負荷預測時間；

基于預設權重，計算最大相對誤差、平均相對誤差、超負荷率、高于真實值負荷率、低于真實值負荷率、負荷預測時間的加權乘積；