一种多负荷日类型配电网负荷曲线预测方法技术

本发明专利技术提供一种多负荷日类型配电网负荷曲线预测方法，用于区分不同负荷日类型预测配电网的负荷曲线，包括步骤：S1、输入待预测配电网的负荷曲线历史数据、气象因素历史数据和社会因素历史数据；S2、对负荷曲线历史数据和气象因素历史数据进行数据预处理；S3、进行影响因素关联规律分析，选取出与负荷曲线强相关气象因素；S4、基于待预测日的负荷日类型，进行节假日负荷曲线预测或/和非节假日负荷曲线预测，输出待预测日负荷曲线。本发明专利技术实现了对负荷数据潜在规律的提取，大大减少了负荷预测的运算量，提升了负荷曲线的预测精度，能够为配电网规划运行提供一定支撑。电网规划运行提供一定支撑。电网规划运行提供一定支撑。

【技术实现步骤摘要】
一种多负荷日类型配电网负荷曲线预测方法


[0001]本专利技术涉及配电网负荷曲线预测领域，特别是涉及一种多负荷日类型配电网负荷曲线预测方法。

技术介绍

[0002]配电网负荷预测是电网安全运行、调度控制中重要的环节，对电网规划具有重要意义。准确的配电网负荷预测有利于决策者合理调度电网的资源，并在维持电网的稳定和经济运行中具有重要作用。
[0003]近些年来，在不可再生的化石能源逐渐短缺的严峻形势下，能源和环境的可持续发展已经成为世界关注的焦点，世界多地已逐步开始构建以新能源为主体的新型配电系统。相较于传统配电系统，新型配电系统中的新能源发电占比大幅提升，柔性负荷、大规模储能、电动汽车等灵活设备规模化并网，电力系统运行特性发生显著变化。这些变化使得配电网与用户侧不再是稳定的供与需的关系，进而对于配电网负荷预测的精细程度提出了更高的要求。传统的配电网负荷预测方法，如单耗法、弹性系数法、比例系数法等，多为点预测，精细化程度不高，且很难反映气象、社会等影响因素对于负荷的影响。

技术实现思路

[0004]本专利技术的目的在于提供一种精细化程度更高，且能够考虑气象、社会等影响因素的基于数据驱动的多负荷日类型配电网负荷曲线预测方法。
[0005]为实现上述目的，本专利技术通过以下技术方案实现：
[0006]一种多负荷日类型配电网负荷曲线预测方法，用于区分不同负荷日类型预测配电网的负荷曲线，包括步骤：
[0007]S1、输入所述待预测配电网的负荷曲线历史数据、气象因素历史数据和社会因素历史数据；
[0008]S2、对所述负荷曲线历史数据和气象因素历史数据进行数据预处理；
[0009]S3、基于数据预处理后的所述负荷曲线历史数据和气象因素历史数据，进行影响因素关联规律分析，选取出与负荷曲线强相关气象因素；
[0010]S4、基于待预测日的负荷日类型，进行节假日负荷曲线预测或/和非节假日负荷曲线预测；
[0011]S7、输出待预测日负荷曲线。
[0012]优选地，所述节假日负荷曲线预测包括步骤：
[0013]S51、区分待预测日的负荷日类型的各个节假日，对经过数据预处理后的所述负荷曲线历史数据中的历年同一节假日的负荷曲线分别进行解耦处理，获得各个节假日的历年平均负荷数据与负荷标幺曲线；
[0014]S52、将步骤S51获取的各个节假日的所述历年平均负荷数据输入离散灰色模型，获得待预测日中的各个节假日的平均负荷；
[0015]S53、基于各个节假日的所述负荷标幺曲线获得待预测日中的各个节假日的负荷标幺曲线；再将待预测日中的各个节假日的所述平均负荷与各个节假日的负荷标幺曲线进行组合，生成待预测日负荷曲线。
[0016]优选地，所述非节假日负荷曲线预测包括步骤：
[0017]S61、采用K均值聚类算法，分别对经过数据预处理后的所述负荷曲线历史数据中的负荷日类型为工作日的全部的负荷曲线和负荷日类型为休息日的全部的负荷曲线分别进行聚类分析，获得若干负荷值与变化规律相似的负荷曲线类别；
[0018]S62、将步骤S61获取的所述负荷曲线类别与步骤S3获取的所述强相关气象因素输入CART分类树，进而生成决策树；
[0019]S63、输入待预测日的强相关气象因素的气象预报数据，并根据步骤S62中的所述决策树获得待预测日负荷曲线的所属类别；
[0020]S64、将与待预测日同类别的负荷曲线及其所述强相关气象因素的数据输入最小二乘支持向量机，对LSSVM进行训练，进而生成待预测日负荷曲线。
[0021]优选地，步骤S53中，获得待预测日中的各个节假日的负荷标幺曲线是通过对步骤S51获取的各个节假日的所述负荷标幺曲线根据“近大远小”原则进行加权处理获得的。
[0022]优选地，步骤S3包括：
[0023]S31、对经过数据预处理的气象因素历史数据进行总体分布检验，获取各气象因素的总体分布检验结果；
[0024]S32、基于各气象因素的所述总体分布检验结果，分析各气象因素与负荷曲线的相关性，选出与负荷曲线强相关的气象因素。
[0025]优选地，步骤S4包括：
[0026]判断待预测日的负荷日类型：
[0027]若待预测日的所述负荷日类型中只包括节假日，则仅进行节假日负荷曲线预测；
[0028]若待预测日的所述负荷日类型中只包括非节假日，则仅进行非节假日负荷曲线预测；
[0029]如果待预测日的所述负荷日类型中既包括节假日、又包括非节假日，则分别进行节假日负荷曲线预测和非节假日负荷曲线预测。
[0030]优选地，步骤S32中，对服从正态分布的所述气象因素使用皮尔逊相关系数分析其与负荷曲线的相关性。
[0031]优选地，步骤S32中，对不服从正态分布的所述气象因素使用斯皮尔曼相关系数分析其与负荷曲线的相关性。
[0032]优选地，步骤S2中，所述数据预处理为依次进行缺失值填充、离群值检测及替换、归一化处理。
[0033]优选地，所述社会因素历史数据至少包含负荷日类型。
[0034]综上所述，与现有技术相比，本专利技术提供的多负荷日类型配电网负荷曲线预测方法，具有如下有益效果：
[0035]1.本专利技术围绕负荷曲线预测，根据节假日、工作日、休息日等不同负荷日类型的特点，分别建立了相应的数据驱动模型，实现了对负荷数据潜在规律的提取，大大减少了负荷预测的运算量，提升了负荷曲线的预测精度；
[0036]2.通过实际算例对所提方法进行了分析与验证，对于节假日负荷曲线而言，在对其进行解耦后，其标幺曲线是相对稳定且具有明显规律的，而平均负荷则具有较大的随机性和不确定性；对于非节假日而言，本方法对于工作日和休息日春夏秋冬四个季节的典型日均取得了不错的预测效果，能够为配电网规划运行提供一定支撑。
附图说明
[0037]图1为本专利技术的多负荷日类型配电网负荷曲线预测方法的流程图；
[0038]图2a～2e分别为本专利技术的最高温度、最低温度、平均温度、相对湿度、降雨量的负荷曲线气象因素的数据分布图；
[0039]图3a～3d分别为本专利技术的春节、清明节、劳动节、中秋节的节假日负荷标幺曲线预测结果；
[0040]图4a～4d分别为本专利技术的春节、清明节、劳动节、中秋节的节假日负荷曲线预测结果；
[0041]图5a～5b分别为本专利技术的工作日、休息日负荷曲线聚类结果；
[0042]图6a～6b分别为本专利技术的工作日、休息日CART分类树示意图；
[0043]图7a～7d分别为本专利技术的冬季、春季、夏季、秋季的典型日的工作日负荷曲线预测结果；
[0044]图8a～8d分别为本专利技术的冬季、春季、夏季、秋季的典型日的休息日负荷曲线预测结果。
具体实施方式
[0045]以下结合附图和具体实施方式对本专利技术提出的一种多负荷日类型配电网负荷曲线预测方法作进一步详细说明。根据下面说明，本专利技术的优点和特征将更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多负荷日类型配电网负荷曲线预测方法，用于区分不同负荷日类型预测配电网的负荷曲线，其特征在于，包括步骤：S1、输入所述待预测配电网的负荷曲线历史数据、气象因素历史数据和社会因素历史数据；S2、对所述负荷曲线历史数据和气象因素历史数据进行数据预处理；S3、基于数据预处理后的所述负荷曲线历史数据和气象因素历史数据，进行影响因素关联规律分析，选取出与负荷曲线强相关气象因素；S4、基于待预测日的负荷日类型，进行节假日负荷曲线预测或/和非节假日负荷曲线预测；S7、输出待预测日负荷曲线。2.如权利要求1所述的多负荷日类型配电网负荷曲线预测方法，其特征在于，所述节假日负荷曲线预测包括步骤：S51、区分待预测日的负荷日类型的各个节假日，对经过数据预处理后的所述负荷曲线历史数据中的历年同一节假日的负荷曲线分别进行解耦处理，获得各个节假日的历年平均负荷数据与负荷标幺曲线；S52、将步骤S51获取的各个节假日的所述历年平均负荷数据输入离散灰色模型，获得待预测日中的各个节假日的平均负荷；S53、基于各个节假日的所述负荷标幺曲线获得待预测日中的各个节假日的负荷标幺曲线；再将待预测日中的各个节假日的所述平均负荷与各个节假日的负荷标幺曲线进行组合，生成待预测日负荷曲线。3.如权利要求1所述的多负荷日类型配电网负荷曲线预测方法，其特征在于，所述非节假日负荷曲线预测包括步骤：S61、采用K均值聚类算法，分别对经过数据预处理后的所述负荷曲线历史数据中的负荷日类型为工作日的全部的负荷曲线和负荷日类型为休息日的全部的负荷曲线分别进行聚类分析，获得若干负荷值与变化规律相似的负荷曲线类别；S62、将步骤S61获取的所述负荷曲线类别与步骤S3获取的所述强相关气象因素输入CART分类树，进而生成决策树；S63、输入待预测日的强相关气象因素的气象预报数据，并根据步骤S62中的所述决策树获得待预测日负荷曲线的所属类别；S64...

【专利技术属性】
技术研发人员：石方迪，江峰青，祝瑞金，苏卫华，罗凤章，徐建锋，李轶立，陶佩军，吴正骅，卢婧婧，祝燕萍，李亦农，王骏，顾辰方，蔡佳铭，丘校宇，
申请(专利权)人：天津大学，
类型：发明
国别省市：