[發明專利]基于用戶負荷模式分類的短期電力負荷預測方法

在審

• 申請號: 202011446664.2
• 申請日: 2020-12-11
• 公開（公告）號: CN112561156A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 胡楠;傅靖;王棟;姜吉祥;黃霆;賁樹俊;徐曉軼;毛艷芳;于雅薇;朱憶洋
• 申請（專利權）人: 國網江蘇省電力有限公司南通供電分公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州市港澄專利代理事務所(普通合伙) 32304
• 代理人: 范佳晨

本發明提供了一種基于用戶負荷模式分類的短期電力負荷預測方法，所述短期電力負荷預測方法主要包括海量高維數據預處理、用戶負荷模式分類器、LSTM模型訓練及預測，通過對所有歷史樣本進行數據預處理、K?means聚類分析、灰色關聯分析、通過K近鄰分類算法(KNN)建立分類器以及對不同類型負荷數據采用LSTM神經網絡方法建立不同的負荷預測模型，從而得到待預測日的電力負荷特性。本發明提供一種基于用戶負荷模式分類的短期電力負荷預測方法，能夠迅速準確的得到待預測日的負荷特性，保證電力系統運行和管理的高效和穩定。

技術領域

本發明屬于電力負荷預測領域，特別涉及一種基于用戶負荷模式分類的短期電力負荷預測方法。

背景技術

為了滿足不斷增長的能量需求，建立安全、可靠、環保、高效以及友好型的電力網絡已經成為日前的研究熱點。智能電網的概念為建設新的電網提供了一個很好的解決方案。智能電網的發展推動了用戶側智能電表的普及，隨著智能電表數量的不斷增加，設備傳輸和采集的各種類型的數據量也呈指數增長，并逐漸形成用戶端大數據，加大了負荷預測和需求側管理等工作的難度，但這些數據中隱藏著用戶用電行為的潛在有用信息，準確了解用戶用電行為模式對電網來說己經成為負荷預測、需求側管理、用電定價等方面的重要前提。

電力負荷預測主要是在考慮電力負荷影響因素的基礎上對其歷史數據進行分析，獲取其中有用的信息并建立數學模型，來對未來一段時間的電能發展趨勢以及電力使用情況進行估計。若是能夠準確預測未來的電力負荷波動情況，將會為電力系統管理部門科學有效的管理電力使用情況，減少資源浪費、降低發電成本，優化電網中電力資源的合理分配以及建立經濟合理的發電計劃提供極大幫助。事實上，用戶的用電行為是相似的，通過負荷聚類方法能將海量的用戶負荷分類成若干類別，分析類別內的用戶用電行為的共同性和不同類別用電行為的差異性，建立針對具體類別的預測模型，可以大大提升預測精確度。

傳統的負荷預測主要憑借調度員或者專家進行主觀判斷。后來隨著統計學方法的發展產生了時間序列法、回歸分析法等數學方法。隨著人工智能技術的發展，BP神經網絡、增量優化極限學習機、正則化極限學習機、支持向量機等一系列智能算法被應用于電力負荷預測中，但是這些方法對于海量高維度數據的處理尚有精度不高、模型收斂慢等不足。

在此背景下，根據用戶負荷模式分類和長短時記憶網絡(LSTM)處理分析海量高維度數據，將歷史電力負荷數據作為訓練樣本數據，通過按多種類別負荷模式進行模型的訓練。所提出的方法將電力系統短期負荷預測進一步精細化，大幅度提高負荷預測在短期內的精準度，如此既為電力用戶提供了穩定、合適、可靠的電力能源，又強化了電力企業的經濟發展效益。

基于用戶負荷模式分類和深度LSTM神經網絡的短期電力負荷預測方法主要需考慮兩個方面的問題：(1)如何利用K近鄰分類算法(KNN)準確得到待預測日所屬用戶負荷模式類別；(2)如何利用深度LSTM神經網絡進行短期負荷預測。

發明內容

本發明提供一種基于用戶負荷模式分類的短期電力負荷預測方法，能夠迅速準確的得到待預測日的負荷特性，保證電力系統運行和管理的高效和穩定。

本發明具體為一種基于用戶負荷模式分類的短期電力負荷預測方法，所述短期電力負荷預測方法主要包括海量高維數據預處理、用戶負荷模式分類器、LSTM模型訓練及預測，具體包括以下步驟：

步驟(1)：導入某地區電力負荷和對應影響因素的所有歷史數據，并對數據進行預處理；其中：對于缺失較少的數據可以采用均值填充的方法，而對于缺失量較大的數據則直接刪除，進入步驟(2)；

步驟(2)：對歷史負荷數據進行K-means聚類分析，按照曲線形狀聚集相似日，將曲線分為不同類別，記錄類別標簽，進入步驟(3)；

步驟(3)：對所述歷史負荷數據和對應的影響因素數據進行無量綱化處理，進入步驟(4)；