一种配电网负荷预测方法及系统技术方案

本发明专利技术公开了一种配电网负荷预测方法及系统，该方法包括以下步骤：1)获取原始数据；2)对原始数据进行分析处理；3)根据优化后的有效数据和负荷预测需求选择负荷预测决策；4)进行自适应负荷预测；5)输出负荷预测结果数据；该系统的数据获取模块用以获取原始数据，数据分析处理模块用以进行分析处理为有效数据，智能辨识决策模块用以分析数据负荷增长类型，并选择负荷预测决策模块，自适应负荷预测模块采用负荷预测决策进行自适应负荷预测；负荷预测结果输出模块用以输出负荷预测结果数据。本发明专利技术不需要人工进行大量计算，节省了人力和时间，且提高了负荷预测的精度与稳定性，为电力系统经济、安全与可靠运行提供了决策支持。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种配电网负荷预测方法及系统，该方法包括以下步骤：1)获取原始数据；2)对原始数据进行分析处理；3)根据优化后的有效数据和负荷预测需求选择负荷预测决策；4)进行自适应负荷预测；5)输出负荷预测结果数据；该系统的数据获取模块用以获取原始数据，数据分析处理模块用以进行分析处理为有效数据，智能辨识决策模块用以分析数据负荷增长类型，并选择负荷预测决策模块，自适应负荷预测模块采用负荷预测决策进行自适应负荷预测；负荷预测结果输出模块用以输出负荷预测结果数据。本专利技术不需要人工进行大量计算，节省了人力和时间，且提高了负荷预测的精度与稳定性，为电力系统经济、安全与可靠运行提供了决策支持。【专利说明】-种配电网负荷预测方法及系统
本专利技术涉及一种配电系统，具体地说是一种配电网负荷预测方法及系统。
技术介绍
电力系统的总负荷就是系统中所有用电设备消耗总功率的总和；将工业、农业、邮 电、交通、市政、商业以及城乡居民所消耗的功率相加，就得电力系统的综合用电负荷；综合 用电负荷加网络损耗的功率就是系统中各发电厂应供应的功率，称为电力系统的供电负荷 (供电量）；供电负荷再加各发电厂本身消耗的功率（即厂用电量），就是系统中各发电机 应发的功率，称为系统的发电负荷（发电量）。 电力负荷预测是电力管理中的重要部分，它所提供的负荷预测数据，对电力系统 的控制、运行和规划极为重要。准确预测电力负荷数据，不但对确定电力系统的运行方式具 有重要作用，对确定电力系统的优化调度、地区间功率输送方案和负荷调度的方案也起着 重要作用。另外，电力负荷预测的精度也直接影响电力系统运行的安全性、可靠性、经济性 和电能质量，关系到电力系统的生产规划和调度运行。 目前的电力负荷预测方法，使用的多为人工预测方法，该方法需要人为采集待预 测日之前的电力负荷数据，并根据所述电力负荷数据进行预测，获取待预测日的电力负荷 数据。但是，采用该方式对电力负荷数据进行预测时，需要技术人员进行大量的计算，耗费 大量人力，且运算过程耗时长，预测精度较低。 长期以来，国内外学者对电力系统负荷预测理论进行了广泛而深入的研究，提出 了许多有效的方法，如回归分析法，时间序列法，神经网络法，小波分析法等。对于某一预测 问题，可建立多种预测方法。不同的预测方法提供不同的预测信息和不同的预测精度。 若简单地把预测误差较大的方法舍弃掉，往往会丢失一些有用信息。科学的方法 是，将不同的预测方法进行适当的组合，以综合利用各种方法所提供的信息，尽可能提高预 测精度。
技术实现思路
针对上述不足，本专利技术提供了一种精度高、稳定性强的配电网负荷预测方法及系 统。 本专利技术解决其技术问题采取的技术方案是：一种配电网负荷预测方法，它包括以 下步骤： 1)获取原始数据，所述原始数据包括历史电量数据、历史负荷数据、分产业电量数 据、行业负荷密度数据和用地性质分类数据； 2)对原始数据进行分析处理，所述原始数据的分析处理过程为：首先对原始数据 进行格式化、转换和概化预处理，然后对原始数据进行完整性分析，最后将原始数据优化为 有效数据； 3)根据优化后的有效数据和负荷预测需求选择负荷预测决策，所述负荷预测决策 的选择过程为：首选基于优化后的有效数据和负荷预测需求采用自适应模糊加权递推最小 二乘法对历史电量数据、历史负荷数据、分产业电量数据、行业负荷密度数据和用地性质分 类数据的变化类型进行快速分析，然后根据分析结果确定负荷增长类型并选择负荷预测决 策，所述负荷预测决策包括基础预测方法和组合预测方法； 4)进行自适应负荷预测，所述自适应负荷预测过程为：首先基于负荷增长类型和 负荷预测需求采用基础预测方法或组合预测方法对负荷进行预测，然后通过弹性系数法或 产值单耗法进行预测校核并通过最小二乘法进行自适应调整预测方法参数； 5)输出负荷预测结果数据。 作为进一步地方案，所述原始数据还包括扩展数据，所述扩展数据为进行负荷预 测时所需要的其他原始数据。 作为进一步地方案，所述原始数据的格式化是指不同的数据结构的数据间交换； 原始数据的转换包括数据格式的转化和数据比例尺的变换；原始数据的概化主要是数据平 滑和特征集结。 作为进一步地方案，所述基础预测方法包括趋势外推预测法、回归模型预测法、灰 色预测法和神经网络预测法，所述组合预测方法就是将几种预测模型各自的预测结果通过 选取适当的权重进行加权平均得到最终预测结果。 作为进一步地方案，所述自适应负荷预测包括负荷总量预测方法和空间负荷预测 方法。 作为进一步地方案，所述组合预测方法采用PS0算法，所述的PS0算法包括以下步 骤： S1，初始化粒子的速度和位置； S2,计算粒子的适应度并进行排序； S3、根据适应值进行复制； S4、粒子的速度和位置更新，然后返回步骤S2。 本专利技术还提供了一种配电网负荷预测系统，它包括数据获取模块、数据分析处理 模块、智能辨识决策模块、自适应负荷预测模块和负荷预测结果输出模块，所述数据获取模 块用以获取原始数据，所述原始数据包括历史电量数据、历史负荷数据、分产业电量数据、 行业负荷密度数据和用地性质分类数据；所述数据分析处理模块用以对原始数据进行分析 处理为有效数据；所述智能辨识决策模块用以对数据分析处理模块优化后的有效数据进行 分析其负荷增长类型，并根据负荷增长类型和负荷预测需求选择负荷预测决策模块，所述 负荷预测决策模块包括基础预测单元和组合预测单元；所述自适应负荷预测模块用以基于 负荷增长类型和负荷预测需求采用相应的负荷预测决策进行自适应负荷预测；所述负荷预 测结果输出模块用以输出负荷预测结果数据。 作为进一步地方案，所述数据分析处理模块包括数据预处理单元、数据分析单元 和数据优化单元，所述数据预处理单元用以对原始数据进行格式化、转换和概化处理，所述 数据分析单元用以对原始数据进行完整性分析，所述数据优化单元用以将原始数据优化为 有效数据。 作为进一步地方案，所述自适应负荷预测模块包括负荷预测单元和预测校核单 元，所述负荷预测单元用于基于负荷增长类型和负荷预测需求采用基础预测方法或组合预 测方法对负荷进行预测，所述预测校核单元用以通过弹性系数法或产值单耗法进行预测校 核并通过最小二乘法进行自适应调整预测方法参数。 作为进一步地方案，所述基础预测单元包括趋势外推预测单元、回归模型预测单 元、灰色预测单元和神经网络预测单元，所述组合预测单元就是将几种基础预测单元各自 的预测结果通过选取适当的权重进行加权平均得到最终预测结果。 本专利技术的积极效果是：本专利技术的数据分析处理模块对原始数据采用数据挖掘技术 对数据进行完整性分析，剔除错误数据并修复异常数据，将原始数据优化形成有效数据；智 能辨识决策模块对数据分析处理模块优化后的有效数据通过自适应模糊加权递推最小二 乘法确定负荷增长类型，并根据负荷增长类型和负荷预测需求选择负荷预测决策模块；自 适应负荷预测模块基于负荷增长类型和负荷预测需求采用相应的负荷预测决策进行自适 应负荷预测，并通过弹性系数法或产值单耗法进行预测校核并通过最小二乘法进行自适应 调本文档来自技高网...

【技术保护点】
一种配电网负荷预测方法，其特征是：包括以下步骤：1)获取原始数据，所述原始数据包括历史电量数据、历史负荷数据、分产业电量数据、行业负荷密度数据和用地性质分类数据；2)对原始数据进行分析处理，所述原始数据的分析处理过程为：首先对原始数据进行格式化、转换和概化预处理，然后对原始数据进行完整性分析，最后将原始数据优化为有效数据；3)根据优化后的有效数据和负荷预测需求选择负荷预测决策，所述负荷预测决策的选择过程为：首选基于优化后的有效数据和负荷预测需求采用自适应模糊加权递推最小二乘法对历史电量数据、历史负荷数据、分产业电量数据、行业负荷密度数据和用地性质分类数据的变化类型进行快速分析，然后根据分析结果确定负荷增长类型并选择负荷预测决策，所述负荷预测决策包括基础预测方法和组合预测方法；4)进行自适应负荷预测，所述自适应负荷预测过程为：首先基于负荷增长类型和负荷预测需求采用基础预测方法或组合预测方法对负荷进行预测，然后通过弹性系数法或产值单耗法进行预测校核并通过最小二乘法进行自适应调整预测方法参数；5)输出负荷预测结果数据。

【技术特征摘要】

【专利技术属性】
技术研发人员：田健，陈宁，王传勇，韩蓬，刘晶，孙宝峰，王坤，代二刚，赵光峰，
申请(专利权)人：国家电网公司，国网山东省电力公司枣庄供电公司，
类型：发明
国别省市：北京;11