[發明專利]一種基于LSTM和相似日的配電網線路超短期負荷預測方法

有效

• 申請號: 202110624737.0
• 申請日: 2021-06-04
• 公開（公告）號: CN113361195B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 姜建;吳舜裕;樓健;朱理;李衡;趙斌炎;劉海瓊;鮑威;鄭夢娜;尤孝廳;王燕
• 申請（專利權）人: 國網浙江省電力有限公司杭州供電公司;國網浙江省電力有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 浙江翔隆專利事務所(普通合伙) 33206
• 代理人: 王曉燕

本發明公開了一種基于LSTM和相似日的配電網線路超短期負荷預測方法，涉及電力負荷預測技術領域。目前，缺少對時序數據時間相關性的考慮，需要人為添加時間特征來保證預測結果的精確度。本發明利用線路的LSTM模型定時預測對應線路的全天預測負荷數據；用線路的LSTM模型進行滾動周期預測得到對應線路的修正前的周期滾動負荷預測值，并利用歷史相似日的負荷數據進行滾動周期負荷預測結果修正，得到修正后的周期滾動負荷預測值；修正時，以當天全天預測數據為基礎，計算與相似日各時刻的差值，按時刻累加到周期流動負荷預測值中。本技術方案兼顧數據的非線性和時序性，保證了預測結果的精確度。

技術領域

本發明涉及電力負荷預測技術領域，尤其涉及一種基于LSTM和相似日的配電網線路超短期負荷預測方法。

背景技術

電力負荷預測是電力管理中的重要部分，負荷預測數據對電力系統的控制、運行和規劃極為重要。準確預測電力負荷數據，不但對確定電力系統的運行方式具有重要作用，對確定電力系統的優化調度、地區間功率輸送方案和負荷調度的方案也起著重要作用。另外，電力負荷預測的精度也直接影響電力系統運行的安全性、可靠性、經濟性和電能質量，關系到電力系統的生產規劃和調度運行。

電力負荷預測根據預測時間可分為長期、中期、短期和超短期。超短期負荷預測是以分鐘、小時為最小單位的負荷預測。目前常用的負荷預測方法可分為傳統統計方法和現代智能方法。

傳統統計方法，如回歸分析法、指數平滑法等，考慮了時序數據時間相關性，但對原始數據的處理和時間序列的穩定性要求很高，難以反映非線性因素的影響，適用于影響因素較少的情況。

現代智能方法，如支持向量機法、神經網絡法等，能有效解決非線性問題，但通常缺少對時序數據時間相關性的考慮，需要人為添加時間特征來保證預測結果的精確度。

發明內容

本發明要解決的技術問題和提出的技術任務是對現有技術方案進行完善與改進，提供一種基于LSTM和相似日的配電網線路超短期負荷預測方法，以達到兼顧數據的非線性和時序性目的。為此，本發明采取以下技術方案。

一種基于LSTM和相似日的配電網線路超短期負荷預測方法，包括以下步驟：

1)收集預測線路信息，包括各線路歷史電流負荷數據；

2)數據預處理，包括線路歷史電流負荷數據補齊及數據歸一化；

3)獲取預處理后數據，通過LSTM模型訓練，得到各線路的LSTM模型；

4)利用線路的LSTM模型定時預測對應線路的全天預測負荷數據；

5)用線路的LSTM模型進行滾動周期預測得到對應線路的修正前的周期滾動負荷預測值，并利用歷史相似日的負荷數據進行滾動周期負荷預測結果修正，得到修正后的周期滾動負荷預測值；修正時，以當天全天預測數據為基礎，計算與相似日各時刻的差值，按時刻累加到周期流動負荷預測值中，即負荷周期滾動預測值為修正前的周期滾動負荷預測值加上對應時刻的相似日負荷數據與全天預測負荷數據的差；

6)定時對預測誤差進行驗證，若是誤差超過設定閾值，則對線路的LSTM模型進行修正。

作為優選技術手段：在步驟2)中：

在數據補齊時，假定短時間內數據呈線性變化，以缺失數據值所在時刻的前后兩個臨近時刻的對應數據均值作為該缺失值；

數據歸一化采用MinMax法，利用公式(1)進行歸一化后的數據值域變換到[0,1]。其中：x為待歸一化向量；x^*為歸一化后向量；x_max，x_min分別為向量最大、最小值。