低压居民台区负荷预测方法和系统技术方案

本发明专利技术涉及一种低压居民台区负荷预测方法和系统。低压居民台区负荷预测方法包括以下步骤：步骤1：获取多个低压居民台区的用电原始数据；步骤2：将低压居民台区划分为多种类型，将各低压居民台区划分至相应类型；步骤3：针对各类型的低压居民台区建立对应的BP神经网络初始模型；步骤4：利用各类型的低压居民台区的用电历史数据训练对应的BP神经网络初始模型；步骤5：利用待预测的低压居民台区所属类型对应的训练好的BP神经网络模型和待预测的低压居民台区的用电数据，对待预测的低压居民台区进行用电负荷预测。低压居民台区负荷预测系统包括数据获取单元和数据处理单元。本发明专利技术能够实现台区用能原始数据的精确拟合与短期负荷的精准预测。的精准预测。的精准预测。

【技术实现步骤摘要】
低压居民台区负荷预测方法和系统


[0001]本专利技术属于电力能源负荷预测领域，具体涉及一种应用于电网公司营销部门的低压台区的负荷预测、规划与运维行业的低压居民台区负荷预测方法和系统。

技术介绍

[0002]工业信息文明的快速发展推动了人们生活水平的迅速提高，带动着社会对电能的质量与数量需求的与日俱增。典型的电力系统结构图如图1所示，台区是组成庞大电力网络的亿万个有各自运行特点的微小“细胞”，属于电力系统的末端。台区管理的好坏也是体现电网公司营销部门运维管理水平的最直观指标。
[0003]台区一般包含一台变压器、若干输电线路和用于电能信息采集的电能表、关口表、互感器等设备。随着我国经济社会的快速发展，对电能的需求不断增长，电网供电运营的台区与台区内单位供电强度与日俱增。相当存量的台区由于当初设计余量的不足难以满足负荷快速增长的要求。大规模的更换老旧台区的供电设备既无经济性的可能又会导致资源的极大浪费。在台区运维管理的过程中，居民随着生活条件的改善和政策的调整，对用能的需求呈现动态的变化，充电桩、空调、地暖都是台区可能增加的用能设备。相较于研究较多的主干网与配电网的负荷预测，针对于台区这种微小供电单元的负荷预测研究较少。在现有的电力系统调度监控体系中，难以实现对微小台区供电单元的负荷的实时监控与预测。台区负荷受到用户用电行为的影响更为明显，自由度更高，且不同台区之间不具有参考性，对于台区这种微小供电单元的负荷预测更加困难，用电负荷的表现形式更具有随机波动性。因此，台区是电力系统调度监测的盲区。
[0004]主干网与配电网是站在整体的角度去分析用电负荷需求，实现用电负荷的预测，而作为低压居民台区却不具备这种分析的可能。在电网实际工作之中，台区数量的庞大导致运维工作的捉襟见肘。不同台区的负荷特点又天差地别，难以看作负荷整体进行统一分析。地区百万量级的电能表数据采集终端，每天时刻采集海量的终端数据，且采集的数据存在着一定的不可靠性，对数据处理能力的要求是极高的，这些都为低压居民台区的负荷预测带来了极大的困难。

技术实现思路

[0005]本专利技术的目的是提供一种解决现有电力系统调度监控中的难题，用于对低压居民台区进行负荷预测方法和装置。
[0006]为达到上述目的，本专利技术采用的技术方案是：
[0007]一种低压居民台区负荷预测方法，用于对低压居民台区的用电负荷进行预测，所述低压居民台区负荷预测方法包括以下步骤：
[0008]步骤1：获取多个低压居民台区的用电原始数据并进行预处理而得到多个所述低压居民台区的用电历史数据；
[0009]步骤2：将所述低压居民台区划分为多种类型，基于各所述低压居民台区的用电历
史数据将各所述低压居民台区划分至相应类型；
[0010]步骤3：针对各类型的所述低压居民台区建立对应的BP神经网络初始模型；
[0011]步骤4：利用各类型的所述低压居民台区的用电历史数据训练对应的所述BP神经网络初始模型，得到各类型的所述低压居民台区对应的训练好的BP神经网络模型；
[0012]步骤5：将待预测的低压居民台区划分至相应类型，获取所述待预测的低压居民台区的用电数据，利用所述待预测的低压居民台区所属类型对应的所述训练好的BP神经网络模型和所述待预测的低压居民台区的用电数据，对所述待预测的低压居民台区进行用电负荷预测。
[0013]所述步骤2中，基于社会属性将所述低压居民台区划分为多种类型。将所述低压居民台区划分为四种类型，分别为：老旧小区、安置小区、新上小区和别墅区。
[0014]所述步骤2中，利用聚类算法将各所述低压居民台区划分至相应类型。利用K
‑
means聚类算法。
[0015]一种低压居民台区负荷预测系统，用于对低压居民台区的用电负荷进行预测，所述低压居民台区负荷预测系统包括：
[0016]数据获取单元，所述数据获取单元用于获取多个低压居民台区的用电原始数据并进行预处理而得到多个所述低压居民台区的用电历史数据、获取待预测的低压居民台区的用电数据；
[0017]数据处理单元，所述数据处理单元用于将所述低压居民台区划分为多种类型，基于各所述低压居民台区的用电历史数据将各所述低压居民台区划分至相应类型，针对各类型的所述低压居民台区建立对应的BP神经网络初始模型，利用各类型的所述低压居民台区的用电历史数据训练对应的所述BP神经网络初始模型，得到各类型的所述低压居民台区对应的训练好的BP神经网络模型，将待预测的低压居民台区划分至相应类型，利用所述待预测的低压居民台区所属类型对应的所述训练好的BP神经网络模型和所述待预测的低压居民台区的用电数据，对所述待预测的低压居民台区进行用电负荷预测。
[0018]所述低压居民台区负荷预测系统还包括：
[0019]显示单元，所述显示单元用于显示用电负荷预测结果。
[0020]由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：本专利技术能够实现台区用能原始数据的精确拟合与短期负荷的精准预测。
附图说明
[0021]附图1为电力系统结构示意图。
[0022]附图2为本专利技术的低压居民台区负荷预测方法的流程图。
[0023]附图3为三层BP神经网络示意图。
[0024]附图4为台区类型划分示意图。
[0025]附图5为老旧小区台区负荷预测示意图。
[0026]附图6为安置小区台区负荷预测示意图。
[0027]附图7为新上小区台区负荷预测示意图。
[0028]附图8为别墅台区负荷预测示意图。
[0029]附图9为负荷预测结果示意图。
具体实施方式
[0030]下面结合附图所示的实施例对本专利技术作进一步描述。
[0031]实施例一：如附图2所示，一种用于对低压居民台区的用电负荷进行预测的低压居民台区负荷预测方法，包括以下步骤：
[0032]步骤1：获取多个低压居民台区的用电原始数据(含有畸点的数据)并进行预处理(可采用常用的数据信号预处理方法)而得到多个低压居民台区的用电历史数据。
[0033]步骤2：将低压居民台区划分为多种类型，基于各低压居民台区的用电历史数据将各低压居民台区划分至相应类型。
[0034]该步骤中，基于社会属性将低压居民台区划分为多种类型。本实施例中将低压居民台区划分为四种类型，分别为：老旧小区、安置小区、新上小区和别墅区。然后，基于基于各低压居民台区的用电历史数据并利用聚类算法将各低压居民台区划分至相应类型，实现台区初步分类。本实施例中利用K
‑
means聚类算法。
[0035]步骤3：针对各类型的低压居民台区建立对应的BP神经网络初始模型。
[0036]该步骤包括确定各个的BP神经网络初始模型的输入层节点个数和选择合适的权值和阈值函数。
[0037]步骤4：利用各类型的低压居民台区的用电历史数据训练对应的BP神经网络初始模型，得到各类型的低压居民台区对应的训练好的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低压居民台区负荷预测方法，用于对低压居民台区的用电负荷进行预测，其特征在于：所述低压居民台区负荷预测方法包括以下步骤：步骤1：获取多个低压居民台区的用电原始数据并进行预处理而得到多个所述低压居民台区的用电历史数据；步骤2：将所述低压居民台区划分为多种类型，基于各所述低压居民台区的用电历史数据将各所述低压居民台区划分至相应类型；步骤3：针对各类型的所述低压居民台区建立对应的BP神经网络初始模型；步骤4：利用各类型的所述低压居民台区的用电历史数据训练对应的所述BP神经网络初始模型，得到各类型的所述低压居民台区对应的训练好的BP神经网络模型；步骤5：将待预测的低压居民台区划分至相应类型，获取所述待预测的低压居民台区的用电数据，利用所述待预测的低压居民台区所属类型对应的所述训练好的BP神经网络模型和所述待预测的低压居民台区的用电数据，对所述待预测的低压居民台区进行用电负荷预测。2.根据权利要求1所述的低压居民台区负荷预测方法，其特征在于：所述步骤2中，基于社会属性将所述低压居民台区划分为多种类型。3.根据权利要求2所述的低压居民台区负荷预测方法，其特征在于：将所述低压居民台区划分为四种类型，分别为：老旧小区、安置小区、新上小区和别墅区。4.根据权利要求1所述的低压居民台区负荷预测方法，其特征在于：所述步骤2中，...

【专利技术属性】
技术研发人员：卢德龙，吕培强，王路春，徐涛，马大为，顾庆伟，徐近龙，张超，缪继东，
申请(专利权)人：国网江苏省电力有限公司苏州供电分公司，
类型：发明
国别省市：