[發明專利]電力負荷預測方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202011387053.5
• 申請日: 2020-12-01
• 公開（公告）號: CN112561138B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 羅思敏;王紅斌;欒樂;許中;方健;徐碩;王海靖;郭倩雯;馬智遠;劉俊翔;肖天為
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q10/06
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 楊歡

本申請涉及一種電力負荷預測方法、裝置、計算機設備和存儲介質。所述方法包括：確定電力負荷分類數量的取值范圍；基于多個第一電力負荷數據，分別將所述取值范圍內的各個數值作為聚類中心數量值進行聚類，并確定每次聚類得到的聚類結果的誤差值；所述第一電力負荷數據為配電變壓器的負荷曲線；根據每次聚類的聚類中心數量值和得到的聚類結果的誤差值，確定對應的目標值；將所述目標值中的最小值所對應的聚類中心數量值確定為聚類中心目標數量，并基于所述聚類中心目標數量得到最終的聚類結果；基于最終的聚類結果，構建典型負荷畫像；所述典型負荷畫像用于預測對應配電變壓器的電力負荷。本申請可以提高電力負荷預測準確性。

技術領域

本申請涉及數據處理技術領域，特別是涉及一種電力負荷預測方法、裝置、計算機設備和存儲介質。

背景技術

電力企業的工作目前從單純的發電和電力輸送轉向以電力需求管理為重心。隨著智能電網建設的不斷推進，已逐步積累有大量的電力負荷數據。對各個用戶的電力負荷數據進行特征提取，可以總結出用戶的用電模式并進行分類，以預測用戶的用電行為。

K-means(k-means clustering algorithm，k均值聚類算法)是一種迭代求解的聚類分析算法，在用戶負荷數據處理上的應用較多。K-means算法的步驟包括：隨機選取k個對象作為初始的聚類中心。計算其它對象與各個聚類中心之間的距離，把每個對象分配給距離最近的聚類中心。聚類中心以及分配給它們的對象就代表一個聚類。每分配一個對象，聚類的聚類中心會根據聚類中現有的對象被重新計算。這個過程將不斷重復直到滿足某個終止條件。

然而，K-means算法需要預先設定聚類中心的數量k。K-means算法應用在小范圍的用戶負荷數據上時，用戶類別大致可以確定，聚類結果比較準確，可以按照聚類結果有針對性地進行電力負荷預測。但是K-means應用在大范圍的用戶負荷數據上時，用戶類別比較復雜，無法通過經驗指定k，極大影響了聚類的準確性，導致不能有效預測電力負荷。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高電力負荷預測準確性的電力負荷預測方法、裝置、計算機設備和存儲介質。

一種電力負荷預測方法，所述方法包括：

獲取多個第一電力負荷數據，并確定電力負荷分類數量的取值范圍；

基于所述多個第一電力負荷數據，分別將所述取值范圍內的各個數值作為聚類中心數量值進行聚類，并確定每次聚類得到的聚類結果的誤差值；所述第一電力負荷數據為配電變壓器的負荷曲線；

根據每次聚類的聚類中心數量值和得到的聚類結果的誤差值，確定對應的目標值；

將所述目標值中的最小值所對應的聚類中心數量值確定為聚類中心目標數量，并基于所述聚類中心目標數量得到最終的聚類結果；

基于最終的聚類結果，構建典型負荷畫像；所述典型負荷畫像用于預測對應配電變壓器的電力負荷。

在其中一個實施例中，所述確定電力負荷分類數量的取值范圍，包括：

接收輸入的電力負荷分類數量的最大值和最小值；

將所述最大值和所述最小值之間的所有整數的集合作為用戶分類數量的取值范圍。

在其中一個實施例中，所述基于多個第一電力負荷數據，分別將所述取值范圍內的各個數值作為聚類中心數量值進行聚類，包括：

每次將所述取值范圍內的一個數值作為聚類中心數量值k之后，在所述多個第一電力負荷數據中隨機選取k個所述第一電力負荷數據，將k個所述第一電力負荷數據分別作為各個類別的聚類中心；

確定未作為所述聚類中心的所述第一電力負荷數據與各個所述聚類中心之間的距離，將未作為所述聚類中心的所述第一電力負荷數據分配到距離最小的所述聚類中心所在的類別中；