[發明專利]一種智能家電用電日負荷預測方法

在審

• 申請號: 202210916598.3
• 申請日: 2022-08-01
• 公開（公告）號: CN115358453A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 李艷;鄭英剛;黃昌寶;王海生;余斌
• 申請（專利權）人: 中能瑞通（北京）科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00;G06N3/08;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

本發明公開了一種智能家電用電日負荷預測方法，包括：獲取智能家電用電96點歷史負荷數據、氣象數據、日期數據，并進行預處理；根據季節、日期數據依次對預處理后的歷史負荷數據聚類；采用Pearson相關分析法，定量地找出與智能家電用電日負荷相關性大的氣象因子作為數據樣本輸入預測前置參考數據；采用粒子群PSO算法對LSSVM模型的參數進行優化；采用BP神經網絡對優化后的LSSVM模型進行殘差修正；對需要預測的智能家電用電日負荷進行預測。該方法考慮多元影響元素，利用組合方式對選取方法取長補短，提高預測精度；能夠精確地預測智能家電用電日負荷數據，為電網的安全運行及電力規劃提供依據，同時可以為需求側管理提供決策支持。

技術領域

本發明涉及智能家電用電量預測技術領域，特別涉及一種智能家電用電日負荷預測方法。

背景技術

目前，現有負荷預測對象主要是針對地區電網大范圍的宏觀預測，沒有開展細粒度的單個居民用戶用電負荷預測，更沒有對居民用戶單個智能家電進行更細粒度負荷預測。

然而隨著經濟的快速發展及居民生活水平的不斷提高，各類高檔和中檔家用電器進入了人們的生活，居民用電在全社會用電中占據了相當大的比例。社會的不斷發展導致居民用電呈指數增長的趨勢，電網峰谷差逐漸拉大，居民用電負荷預測是進行電量平衡分析的基礎。

隨著電網智能化水平的不斷提高，宏觀預測結果已經不能滿足電網發展的需要，因此，需要對居民用戶單個智能家電進行更細粒度負荷預測。

但是，目前對居民用戶單個智能家電負荷預測，多采用單一方法或組合方法對負荷進行預測，而前期分析訓練樣本是有限的，后期隨著樣本量的增加，造成預測精確性、收斂性及穩定性逐漸降低，難以獲得理想的預測結果。

因此，如何準確地對居民用電負荷進行預測，是智能電網發展亟需解決的問題。

發明內容

本發明的目的在于提供一種至少部分解決上述技術問題的智能家電用電日負荷預測方法，該方法基于多元影響因素的考慮，實現科學、合理、準確的居民家電用電預測，提高預測精度。

為實現上述目的，本發明采取的技術方案為：

本發明提供一種智能家電用電日負荷預測方法，包括以下步驟：

S10、獲取智能家電用電96點歷史負荷數據、氣象數據、日期數據，并進行預處理；

S20、根據季節、日期數據依次對預處理后的歷史負荷數據聚類；

S30、基于聚類結果，采用Pearson相關分析法，定量地找出與智能家電用電日負荷相關性大的氣象因子作為數據樣本輸入預測前置參考數據；

S40、基于預處理后數據中部分數據作為第一訓練數據，構建LSSVM模型進行訓練，采用粒子群PSO算法對LSSVM模型的參數進行優化；

S50、基于預處理后數據中部分數據作為第二訓練數據，采用BP神經網絡對優化后的LSSVM模型進行殘差修正；

S60、根據優化后的LSSVM模型及BP神經網絡模型，對需要預測的智能家電用電日負荷進行預測。

進一步地，所述步驟S10中，智能家電用電96點歷史負荷數據的預處理，包括：

當日負荷曲線的第一個點非正時，用之后的第一個正值點代替；當日負荷曲線的其他點非正時，用該點的前一個正值點代替；

采用相鄰兩點的平均值來修正虛假數據點；所述虛假數據點是指：某一時刻的負荷和其前后負荷值進行比較，如果偏差在預設倍數以外；

對歷史負荷數據采用對數進行歸一化處理，使處理后的負荷在共同的數值特性范圍內。

進一步地，所述步驟S10中，智能家電用電96點歷史負荷數據對應的氣象數據預處理，包括：