[發明專利]一種對臺區用電進行精準預測的方法及系統、設備、介質

有效

• 申請號: 202110312066.4
• 申請日: 2021-03-24
• 公開（公告）號: CN112990587B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 張晶
• 申請（專利權）人: 北京市騰河智慧能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/063;G06Q50/06
• 代理公司: 長沙智嶸專利代理事務所(普通合伙) 43211
• 代理人: 顏漢華

本發明公開了一種對臺區用電進行精準預測的方法及系統、設備、介質。本方法通過將反映臺區用電穩定狀態的第一特征值作為表征量之一，提高了預測結果的精準度，并對所有的第二特征量分別進行單一模型構建，得到包含所有第二特征值的不同時刻的負荷預測值序列和殘差值序列，大大提升了計算速度和計算效率，利用第一特征值對第二特征值對應的殘差值進行了修正，大幅提高了預測結果的精準度。同時將負荷預測值序列和修正后的殘差值序列作為GRU網絡的輸入，考慮到了單一特征值模型的誤差對于預測結果的精度影響，進一步提高了最終預測結果的準確度，利用GRU網絡進行了多個第二特征值的篩選，通過更新門去除冗余數據，進一步提升了計算能力和計算效率。

技術領域

本發明涉及臺區用電預測技術領域，特別地，涉及一種對臺區用電進行精準預測的方法及系統、設備、計算機可讀取的存儲介質。

背景技術

現階段為了滿足電力需求響應、配電網規劃、業擴報裝和能源電動車充電的需求，需要利用臺區富余的容量達到開放共享的目的，以降低配電網建設成本，達到資源的充分利用。而傳統的電力配電網規劃中對可開放容量這一指標是以臺區用戶的最大負荷來設計的，當位于臺區用電低谷時，未能充分利用富余的容量，使得建設成本和電力資源造成浪費。因此，如何精準的預測臺區用電負荷成為目前電力配電網規劃亟待解決的關鍵性問題。

目前，負荷預測已經成為電力行業發展的重要項目之一，例如利用機器學習、深度學習等方法建立負荷預測模型，然后根據誤差診斷的形式得到最優模型，最后利用最優模型進行用電預測。但是，這種負荷預測方式需要選取大量的特征量并建立大量的特征量模型，計算量過大，計算十分復雜，且同時預測精度也較差。

發明內容

本發明提供了一種對臺區用電進行精準預測的方法及系統、設備、計算機可讀取的存儲介質，以解決現有采用誤差診斷的負荷預測方式存在的計算量過大、預測精度差的技術問題。

根據本發明的一個方面，提供一種一種對臺區用電進行精準預測的方法，包括以下內容：

步驟S1：采集臺區內用戶近兩年的負荷數據，利用余弦距離公式分析臺區內各用戶用電的穩定狀態以得到關于臺區用電穩定狀態的第一特征值；

步驟S2：采集臺區總負荷數據并選出與臺區用電負荷數據相關的至少一個第二特征值；

步驟S3：對所有的第二特征值逐個進行單一模型構建以得到不同時刻的負荷預測值序列和殘差值序列，每個時刻的負荷預測值序列和殘差值序列均對應所有的第二特征值，并利用不同臺區用電穩定狀態下的第二特征值對應的t時刻的殘差值序列與對應的第一特征值序列構建線性修正模型以得到每個第二特征值對應的修正系數，利用該修正系數對不同時刻的殘差值序列中每個第二特征值所對應的殘差值進行對應修正；

步驟S4：將不同時刻的負荷預測值序列和修正后的殘差值序列進行非線性組合后輸入門控循環單元神經網絡中，得到最終的臺區用電負荷預測結果。

進一步地，所述步驟S1具體包括以下內容：

步驟S11：采集臺區內各用戶近兩年的負荷數據；

步驟S12：基于臺區內某一用戶近兩年的負荷數據得到其每一年關于日最大功率的時序特征向量；

步驟S13：基于權重占比公式對上述兩個時序特征向量進行變換以得到兩個新的時序特征向量；

步驟S14：利用余弦距離公式計算兩個新的時序特征向量之間的余弦距離值以判斷近兩年該用戶的負荷穩定狀態；

步驟S15：重復執行步驟S12至步驟S14以計算得到臺區內所有用戶的余弦距離值，基于所有的余弦距離值分布情況進行臺區用電負荷穩定狀態等級的劃分，并基于不同穩定狀態等級的占比得到關于臺區用電穩定狀態的第一特征值。

進一步地，所述步驟S3包括以下內容：