[發(fā)明專利]一種基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110651314.8
• 申請日: 2021-06-10
• 公開（公告）號: CN113393028B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計）人: 張樂;丁小葉;張敏
• 申請（專利權(quán)）人: 國網(wǎng)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
• 代理公司: 蘇州市港澄專利代理事務(wù)所(普通合伙) 32304
• 代理人: 范佳晨

1.一種基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測方法，其特征在于，該方法包含以下步驟：

(1)獲取饋線數(shù)據(jù)并進行預(yù)處理；

(2)使用數(shù)據(jù)挖掘技術(shù)中的聚類方法分析各類饋線的負荷特征，對獲得的每類饋線負荷進行分析；

(3)根據(jù)各饋線簇的負荷水平和負荷曲線形狀定性每類饋線負荷所屬行業(yè)用電特性；

(4)構(gòu)建影響因素集合；

(5)運用相關(guān)性分析和關(guān)聯(lián)規(guī)則分析對影響負荷特性的諸多因素與每類饋線負荷進行分析，挖掘出饋線負荷特性與其影響因子間的關(guān)聯(lián)特性；

(6)使用RBF神經(jīng)網(wǎng)絡(luò)對各饋線簇進行預(yù)測，根據(jù)各饋線簇在待預(yù)測時間的負荷預(yù)測值，得到系統(tǒng)在待預(yù)測時間的總用電負荷預(yù)測值，完成基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測；

所述步驟(5)具體包括以下步驟：

51)在構(gòu)建影響因素集合后，采用皮爾遜相關(guān)系數(shù)分析法判斷每個影響因素與聚類后的饋線負荷數(shù)據(jù)的相關(guān)性；

52)采用灰色關(guān)聯(lián)分析法對強相關(guān)因素進行關(guān)聯(lián)規(guī)則分析；

53)獲得關(guān)聯(lián)性較強的因素，與聚類后的各類饋線負荷作為輸入訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

所述步驟51)具體包括以下內(nèi)容：

1)以聚類后的饋線負荷數(shù)據(jù)為參考序列X₀，各個影響因素序列為比較序列X_i；

2)無量綱化處理：通過歸一化處理將各數(shù)據(jù)處理為同一量綱下的數(shù)據(jù)；

3)計算相關(guān)性，皮爾遜相關(guān)系數(shù)計算公式如下：

通過皮爾遜相關(guān)系數(shù)計算得出各影響因素與饋線數(shù)據(jù)的相關(guān)性強度，然后保留強相關(guān)以上的影響因素；

所述步驟52)具體包括以下內(nèi)容：

1)選取參考序列，即為饋線數(shù)據(jù)，比較序列，即為相關(guān)性分析篩選后的強相關(guān)性因素；

2)數(shù)據(jù)變換：對數(shù)據(jù)進行處理變換，保證灰色關(guān)聯(lián)分析在同一量綱下進行；

3)計算關(guān)聯(lián)度：采用典型灰色關(guān)聯(lián)模型的鄧氏模型，關(guān)聯(lián)度計算公式如下：

其中：ξ(X₀(k),X_i(k))稱為參考序列與比較序列的關(guān)聯(lián)系數(shù)

所述步驟(6)中：RBF神經(jīng)網(wǎng)絡(luò)算法流程主要包括以下步驟：

1)網(wǎng)絡(luò)初始化，隨機選取h個訓(xùn)練樣本作為聚類中心c_i；

2)使用K-Means算法將輸入的訓(xùn)練樣本集合聚類；

3)重新調(diào)整聚類中心，直到新的聚類中心不再發(fā)生變化；

4)求解方差

式中c_max為選取中心的最大距離；

5)計算隱藏層和輸出層的權(quán)值

6)輸出

將饋線負荷歷史數(shù)據(jù)與影響因素作為輸入集合訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到各饋線簇的預(yù)測值；各饋線簇的預(yù)測值之和即為整個饋線負荷的總用電負荷預(yù)測值。

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測方法，其特征在于，所述步驟(2)具體包括以下步驟：

21)初始化聚類中心：隨機選取C個聚類中心；

22)計算質(zhì)心：不斷迭代計算隸屬度μ_ij和簇中心c_j的過程，直到他們達到最優(yōu)；

其中隸屬度

將每一個樣本數(shù)據(jù)x_i指派到最近的聚類中心，形成C個簇，目標(biāo)函數(shù)如下：

其中：m為聚類的簇數(shù)；c為事先指定的聚類中心個數(shù)；x_i為第i個樣本；C_j是j簇的中心；μ_ij為樣本x_i相對于第j簇聚類中心的隸屬度；

23)通過迭代方法不斷修正聚類中心，直到滿足預(yù)先設(shè)置的目標(biāo)函數(shù)精度，即當(dāng)停止迭代，否則返回步驟2)；

24)對分類好的饋線數(shù)據(jù)進行無量綱歸一化，根據(jù)其負荷曲線能夠分析出其用電特征。

3.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測方法，其特征在于，所述步驟(4)中饋線負荷的影響因素集合中包括經(jīng)濟發(fā)展類指標(biāo)、社會居民發(fā)展類指標(biāo)和氣候類指標(biāo)，所述經(jīng)濟發(fā)展類指標(biāo)包括GDP、第一產(chǎn)業(yè)生產(chǎn)總值、第二產(chǎn)業(yè)生產(chǎn)總值、第三產(chǎn)業(yè)生產(chǎn)總值、規(guī)模以上工業(yè)生產(chǎn)總值，所述社會居民發(fā)展類指標(biāo)包括地區(qū)總?cè)藬?shù)、人均國內(nèi)生產(chǎn)總值、居民消費價格指數(shù)、城鎮(zhèn)化率。

4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)挖掘技術(shù)的負荷預(yù)測方法，其特征在于，所述步驟(6)中：

RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)流向為：訓(xùn)練樣本-RBF隱藏層-權(quán)重矩陣-輸出層，輸入層到輸出層為非線性映射，隱藏層的激活函數(shù)為徑向基RBF函數(shù)；

假設(shè)隱含層節(jié)點個數(shù)為s，第p個訓(xùn)練樣本x_p從隱含層的第i個節(jié)點的輸出為：

其中，i＝1,2,…,s，c_i為第i個基函數(shù)的中心值，與輸入向量同維數(shù)；x_p-c_i為核函數(shù)中心，σ為函數(shù)的寬度參數(shù)；||x_p-c_i||²為x_p和c_i的距離。