一种电网短期负荷的预测方法、系统、设备和介质技术方案

本发明专利技术公开了一种电网短期负荷的预测方法、系统、设备和介质，包括：获取目标地区的历史电网运行数据，并采用k－means聚类模型，对历史电网运行数据进行分类；然后根据待预测日的特征属性，选取分类结果中和待预测日相似度最高的类别中的数据作为训练数据，将所述训练数据输入到预设的负荷预测模型中，预测得到待预测当日的用电预测和储能出力预测，将得到的用电预测结果和储能出力预测结果相加，得到当日电网负荷预测结果。本发明专利技术能够提高含储能地区电网短期负荷预测的预测精度。区电网短期负荷预测的预测精度。区电网短期负荷预测的预测精度。

【技术实现步骤摘要】
一种电网短期负荷的预测方法、系统、设备和介质


[0001]本专利技术涉及电网负荷预测
，特别是涉及一种电网短期负荷预测方法、系统、设备和介质。

技术介绍

[0002]分布式储能技术的发展近几年尤为迅速，其对电网负荷的影响也越来越值得关注。分布式储能以电化学储能为主，不仅具有快速响应和双向调节的技术特点，还具有环境适应性强，能够小型分散配置且建设周期短的技术优势。储能的应用可以使电量的供需保持平衡，控制储能用户在负荷峰时段放电，负荷谷时段充电，可以使资源得到高效利用。还可以延缓电力系统设施的更换与扩建，减少投资，具有一定的经济性。目前储能调度在电力市场中参与越来越多的项目，主要应用在系统的一次调频、二次调频，解决线路末端低电压问题，提高电能质量以及消纳可再生能源等方面。
[0003]电力系统短期负荷预测是电力系统安全经济调度的基础，预测的准确性关系到电力系统的安全稳定运行。但是由于储能设备接入电力系统中造成传统的负荷曲线发生一定程度的变化，给短期负荷预测带来一定的难度，导致预测精度下降。

技术实现思路

[0004]本专利技术的目的是：提供一种电网短期负荷预测方法、系统、设备和介质，能够提高提高含储能地区电网短期负荷预测的预测精度。
[0005]为了实现上述目的，本专利技术提供了一种电网短期负荷的预测方法，包括：
[0006]获取目标地区的历史电网运行数据集，其中，所述历史电网运行数据集包括：历史气象数据、日历数据、历史用电数据、历史储能出力数据集、历史储能调度数据和分时电价数据；
[0007]根据所述历史气象数据和日历数据，将所述历史电网运行数据集输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第一分类结果；
[0008]根据所述历史用电数据，将所述历史储能出力数据输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第二分类结果；
[0009]获取待预测日的气象数据和日历数据，并根据所述待预测日的气象数据和日历数据，从所述历史电网运行数据集的第一分类结果选取和待预测日相似度最高的类别；
[0010]将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型进行训练，获得第二用电预测模型；
[0011]将所述待预测日的气象数据和日历数据输入到第二用电预测模型，获得待预测日的用电数据；
[0012]根据待预测日的用电数据，从所述历史电网运行数据集的第二分类结果选取和待预测日相似度最高的类别；
[0013]将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型
进行训练，获得第三用电预测模型；
[0014]将所述待预测日的用电数据输入到第三用电预测模型，获得待预测日的储能出力数据；
[0015]将所述待预测日的用电数据和待预测日的储能出力数据相加，获得目标地区待预测日的用电负荷的预测结果。
[0016]进一步地，所述历史电网运行数据集的采集时间跨度大于或等于180天。
[0017]进一步地，所述历史气象数据包括：温度数据、湿度数据风速和太阳辐射；所述温度数据包括：每日的最高温度、每日的最低温度和每日的平均温度。
[0018]进一步地，所述方法还包括：对所述历史电网运行数据集的第一分类结果和第二分类结果进行综合指标评价，具体采用如下计算公式：
[0019]J＝S+P
[0020]式中，J表示综合指标评价的结果，S表示聚类效果的轮廓系数，P表示评价系数。
[0021]进一步地，所述聚类效果的轮廓系数，采用如下计算公式：
[0022]S∈[
‑
1,1][0023]x
j
，x
i
∈C
k
[0024][0025]x
i
∈C
k
,x
j
∈C
l
[0026]l＝1,2,...,N
c l≠k
[0027]式中，S表示聚类结果的轮廓系数，N表示样本的数目，N
c
表示所分簇的数目，NC
k
、NC
l
表示第k个、第l个簇中的样本数，C
k
、C
l
表示第k个、第l个簇，x
i
、x
j
表示第i个、第j个样本；Co
i
表示样本x
i
与同簇的其他样本的平均距离，Se
i
表示样本x
i
与其他簇全部样本平均距离的最小值。
[0028]进一步地，所述评价系数，采用如下计算公式：
[0029][0030]NC
l
≥NC
min
[0031]l＝1,2,...,N
c
[0032]式中，NC
l
表示第l个簇中的样本数，NC
min
表示最小簇的样本数目。
[0033]本专利技术还提供一种电网短期负荷的预测系统，包括：数据获取模块、第一分类模块、第二分类模块、第一选取模块、第一训练模块、用电数据预测模块、第二选取模块、第二训练模块、储能出力数据预测模块和用电负荷预测模块，其中，
[0034]所述数据获取模块，用于获取目标地区的历史电网运行数据集，其中，所述历史电网运行数据集包括：历史气象数据、日历数据、历史用电数据、历史储能出力数据集、历史储能调度数据和分时电价数据；
[0035]所述第一分类模块，用于根据所述历史气象数据和日历数据，将所述历史电网运
行数据集输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第一分类结果；
[0036]所述第二分类模块，用于根据所述历史用电数据，将所述历史储能出力数据输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第二分类结果；
[0037]所述第一选取模块，用于获取待预测日的气象数据和日历数据，并根据所述待预测日的气象数据和日历数据，从所述历史电网运行数据集的第一分类结果选取和待预测日相似度最高的类别；
[0038]所述第一训练模块，用于将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型进行训练，获得第二用电预测模型；
[0039]所述用电数据预测模块，用于将所述待预测日的气象数据和日历数据输入到第二用电预测模型，获得待预测日的用电数据；
[0040]所述第二选取模块，用于根据待预测日的用电数据，从所述历史电网运行数据集的第二分类结果选取和待预测日相似度最高的类别；
[0041]所述第二训练模块，用于将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型进行训练，获得第三用电预测模型；
[0042]所述储能出力数据预测模块，用于将所述待预测日的用电数据输入到第三用电预测模型，获得待预测日的储能出力数据；
[0043]所述用电负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网短期负荷的预测方法，其特征在于，包括：获取目标地区的历史电网运行数据集，其中，所述历史电网运行数据集包括：历史气象数据、日历数据、历史用电数据、历史储能出力数据集、历史储能调度数据和分时电价数据；根据所述历史气象数据和日历数据，将所述历史电网运行数据集输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第一分类结果；根据所述历史用电数据，将所述历史储能出力数据输入到预设的k－means聚类模型进行分类，获得历史电网运行数据集的第二分类结果；获取待预测日的气象数据和日历数据，并根据所述待预测日的气象数据和日历数据，从所述历史电网运行数据集的第一分类结果选取和待预测日相似度最高的类别；将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型进行训练，获得第二用电预测模型；将所述待预测日的气象数据和日历数据输入到第二用电预测模型，获得待预测日的用电数据；根据待预测日的用电数据，从所述历史电网运行数据集的第二分类结果选取和待预测日相似度最高的类别；将所述相似度最高的类别中的历史电网运行数据集输入到预设的用电预测模型进行训练，获得第三用电预测模型；将所述待预测日的用电数据输入到第三用电预测模型，获得待预测日的储能出力数据；将所述待预测日的用电数据和待预测日的储能出力数据相加，获得目标地区待预测日的用电负荷的预测结果。2.根据权利要求1所述的电网短期负荷的预测方法，其特征在于，所述历史电网运行数据集的采集时间跨度大于或等于180天。3.根据权利要求1所述的电网短期负荷的预测方法，其特征在于，所述历史气象数据包括：温度数据、湿度数据风速和太阳辐射；所述温度数据包括：每日的最高温度、每日的最低温度和每日的平均温度。4.根据权利要求1所述的电网短期负荷的预测方法，其特征在于，所述方法还包括：对所述历史电网运行数据集的第一分类结果和第二分类结果进行综合指标评价，具体采用如下计算公式：J＝S+P式中，J表示综合指标评价的结果，S表示聚类效果的轮廓系数，P表示评价系数。5.根据权利要求4所述的电网短期负荷的预测方法，其特征在于，所述聚类效果的轮廓系数，采用如下计算公式：系数，采用如下计算公式：
式中，S表示聚类结果的轮廓系数，N表示样本的数目，N
c
表示所分簇的数目，NC
k
、NC
l
表示第k个、第l个簇中的样本数，C
k
、C
l
表示第k个、第l个簇，x
i
、x
j
表示第i个、第j个样本；Co
i
表示样本x
i
与同簇的其他样本的平均距离，Se
i
表示样...

【专利技术属性】
技术研发人员：龚贤夫，李猛，卢洵，马志明，刘新苗，余浩，娄源媛，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：