一种基于高频数据的用户负荷短期预测方法及系统技术方案

本发明专利技术属于电力系统技术领域，具体涉及一种基于高频数据的用户负荷短期预测方法及系统。该方法包括，对用户的负荷数据进行采集，得到用户的负荷

【技术实现步骤摘要】
一种基于高频数据的用户负荷短期预测方法及系统


[0001]本专利技术属于电力系统
，具体涉及一种基于高频数据的用户负荷短期预测方法及系统。

技术介绍

[0002]用户负荷预测是电力需求侧管理的重要工具，是电力系统生产、调度计划的前置条件。现有的短期负荷预测，主要是利用气象因素、节假日类型构建与负荷曲线的映射关系,通过气象预报、节假日等信息实现未来负荷曲线的预测。但是现有技术对负荷预测时未考虑对电网负荷瞬时影响较大、变化随机的柔性负荷的影响，且通过馈线、变电站等上层来源数据作为样本实现预测，并未考虑单个用户的负荷波动对预测结果的影响，且由于用户数据较多，即使少数用户负荷波动较大也难以发觉或者被当做线损处理。因此，现有预测方法忽略了用户层面的特征，也忽略了柔性负荷的影响，负荷预测结果不准确。

技术实现思路

[0003]为解决现有技术的不足，本专利技术提供一种基于高频数据的用户负荷短期预测方法及系统，将负荷分为稳态负荷和柔性负荷，将二者按照各自的特性分别进行预测，负荷预测更加精准。
[0004]为解决现有技术的不足，本专利技术提供的技术方案为：
[0005]一种基于高频数据的用户负荷短期预测方法，包括
[0006]对用户的负荷数据进行采集，得到用户的负荷
‑
时间曲线；
[0007]根据用户的负荷
‑
时间曲线求取用户负荷最大值和负荷平均值，根据用户的负荷最大值和负荷平均值将用户分为节能用户和非节能用户；
[0008]根据非节能用户的负荷
‑
时间曲线是否存在柔性负荷将用户划分为稳定用户和随机用户；
[0009]根据节能用户的负荷
‑
时间曲线得到节能用户的短期预测负荷
‑
时间曲线；根据稳定用户的负荷
‑
时间曲线得到稳定用户的短期预测负荷
‑
时间曲线；将随机用户的负荷
‑
时间曲线进行分解得到稳定负荷
‑
时间曲线和柔性负荷
‑
时间曲线，根据稳定负荷
‑
时间曲线得到短期预测稳定负荷
‑
时间曲线，根据柔性负荷
‑
时间曲线得到短期预测柔性负荷
‑
时间曲线，将短期预测稳定负荷
‑
时间曲线与短期预测柔性负荷
‑
时间曲线求和得到随机用户的短期预测负荷
‑
时间曲线；
[0010]将配电区域所有用户的短期预测负荷
‑
时间曲线求和，得到配电区域的短期预测负荷
‑
时间曲线。
[0011]优选的，对用户的负荷数据每分钟采集一次。
[0012]优选的，所述根据用户的负荷
‑
时间曲线求取用户负荷最大值和负荷平均值，根据用户的负荷最大值和负荷平均值将用户分为节能用户和非节能用户，包括，
[0013]根据用户的负荷
‑
时间曲线求取用户在固定期限内每分钟负荷最大值和每分钟负
荷平均值；将固定期限内每分钟负荷最大值小于第一判断阈值且固定期限内每分钟负荷平均值小于第二判断阈值的用户判定为节能用户，其余用户为非节能用户。
[0014]优选的，所述根据非节能用户的负荷
‑
时间曲线是否存在柔性负荷将用户划分为稳定用户和随机用户，包括，计算非节能用户固定期限内的负荷
‑
时间曲线的自回归系数并对负荷
‑
时间曲线进行单位根校验，若负荷
‑
时间曲线的自回归系数不具备周期性和/或负荷
‑
时间曲线存在单位根，则存在柔性负荷，将用户划分随机用户，否则，将用户划分为稳定用户。
[0015]优选的，所述根据节能用户的负荷
‑
时间曲线得到节能用户的短期预测负荷
‑
时间曲线，包括，将节能用户的负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到节能用户预测日的短期预测负荷
‑
时间曲线；
[0016]所述根据稳定用户的负荷
‑
时间曲线得到稳定用户的短期预测负荷
‑
时间曲线，包括，将随机用户的负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到随机用户预测日的短期预测负荷
‑
时间曲线。
[0017]优选的，所述将随机用户的负荷
‑
时间曲线进行分解得到稳定负荷
‑
时间曲线和柔性负荷
‑
时间曲线，包括，对随机用户的负荷
‑
时间曲线通过移动平滑滤波算法分解出满足周期性的稳定负荷
‑
时间曲线，通过求取随机用户的负荷
‑
时间曲线的N阶差分分解出不满足周期性的柔性负荷
‑
时间曲线；
[0018]所述根据稳定负荷
‑
时间曲线得到短期预测稳定负荷
‑
时间曲线，包括，将稳定负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到预测日的短期预测稳定负荷
‑
时间曲线；
[0019]所述根据柔性负荷
‑
时间曲线得到短期预测柔性负荷
‑
时间曲线，包括，将历史气象数据、日历数据作为输入数据，将历史柔性负荷作为输出数据，训练神经网络模型；神经网络模型训练完成后，输入预测日的气象预测数据、日历数据，通过神经网络模型输出预测日的短期预测柔性负荷
‑
时间曲线。
[0020]一种基于高频数据的用户负荷短期预测系统，包括用户负荷数据接收单元、数据存储单元、负荷数据处理单元和预测单元；
[0021]所述用户负荷数据接收单元用于，对用户的负荷数据进行采集，得到用户的负荷
‑
时间曲线；
[0022]所述数据存储单元用于，存储用户的负荷
‑
时间曲线、历史气象数据、气象预测数据、日历数据；
[0023]所述负荷数据处理单元用于，根据用户的负荷
‑
时间曲线求取用户负荷最大值和负荷平均值，根据用户的负荷最大值和负荷平均值将用户分为节能用户和非节能用户；根据非节能用户的负荷
‑
时间曲线是否存在柔性负荷将用户划分为稳定用户和随机用户；以及，对于随机用户，将随机用户的负荷
‑
时间曲线进行分解得到稳定负荷
‑
时间曲线和柔性负荷
‑
时间曲线；
[0024]所述预测单元用于，根据节能用户的负荷
‑
时间曲线得到节能用户的短期预测负荷
‑
时间曲线；根据稳定用户的负荷
‑
时间曲线得到稳定用户的短期预测负荷
‑
时间曲线；根据稳定负荷
‑
时间曲线得到短期预测稳定负荷...

【技术保护点】

【技术特征摘要】
1.一种基于高频数据的用户负荷短期预测方法，其特征在于，包括对用户的负荷数据进行采集，得到用户的负荷
‑
时间曲线；根据用户的负荷
‑
时间曲线求取用户负荷最大值和负荷平均值，根据用户的负荷最大值和负荷平均值将用户分为节能用户和非节能用户；根据非节能用户的负荷
‑
时间曲线是否存在柔性负荷将用户划分为稳定用户和随机用户；根据节能用户的负荷
‑
时间曲线得到节能用户的短期预测负荷
‑
时间曲线；根据稳定用户的负荷
‑
时间曲线得到稳定用户的短期预测负荷
‑
时间曲线；将随机用户的负荷
‑
时间曲线进行分解得到稳定负荷
‑
时间曲线和柔性负荷
‑
时间曲线，根据稳定负荷
‑
时间曲线得到短期预测稳定负荷
‑
时间曲线，根据柔性负荷
‑
时间曲线得到短期预测柔性负荷
‑
时间曲线，将短期预测稳定负荷
‑
时间曲线与短期预测柔性负荷
‑
时间曲线求和得到随机用户的短期预测负荷
‑
时间曲线；将配电区域所有用户的短期预测负荷
‑
时间曲线求和，得到配电区域的短期预测负荷
‑
时间曲线。2.根据权利要求1所述的一种基于高频数据的用户负荷短期预测方法，其特征在于，对用户的负荷数据每分钟采集一次。3.根据权利要求2所述的一种基于高频数据的用户负荷短期预测方法，其特征在于，所述根据用户的负荷
‑
时间曲线求取用户负荷最大值和负荷平均值，根据用户的负荷最大值和负荷平均值将用户分为节能用户和非节能用户，包括，根据用户的负荷
‑
时间曲线求取用户在固定期限内每分钟负荷最大值和每分钟负荷平均值；将固定期限内每分钟负荷最大值小于第一判断阈值且固定期限内每分钟负荷平均值小于第二判断阈值的用户判定为节能用户，其余用户为非节能用户。4.根据权利要求1所述的一种基于高频数据的用户负荷短期预测方法，其特征在于，所述根据非节能用户的负荷
‑
时间曲线是否存在柔性负荷将用户划分为稳定用户和随机用户，包括，计算非节能用户固定期限内的负荷
‑
时间曲线的自回归系数并对负荷
‑
时间曲线进行单位根校验，若负荷
‑
时间曲线的自回归系数不具备周期性和/或负荷
‑
时间曲线存在单位根，则存在柔性负荷，将用户划分随机用户，否则，将用户划分为稳定用户。5.根据权利要求1所述的一种基于高频数据的用户负荷短期预测方法，其特征在于，所述根据节能用户的负荷
‑
时间曲线得到节能用户的短期预测负荷
‑
时间曲线，包括，将节能用户的负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到节能用户预测日的短期预测负荷
‑
时间曲线；所述根据稳定用户的负荷
‑
时间曲线得到稳定用户的短期预测负荷
‑
时间曲线，包括，将随机用户的负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到随机用户预测日的短期预测负荷
‑
时间曲线。6.根据权利要求1所述的一种基于高频数据的用户负荷短期预测方法，其特征在于，所述将随机用户的负荷
‑
时间曲线进行分解得到稳定负荷
‑
时间曲线和柔性负荷
‑
时间曲线，包括，对随机用户的负荷
‑
时间曲线通过移动平滑滤波算法分解出满足周期性的稳定负荷
‑
时间曲线，通过求取随机用户的负荷
‑
时间曲线的N阶差分分解出不满足周期性的柔性负荷
‑
时间曲线；
所述根据稳定负荷
‑
时间曲线得到短期预测稳定负荷
‑
时间曲线，包括，将稳定负荷
‑
时间曲线通过移动平滑滤波算法去除噪声，得到预测日的短期预测稳定负荷
...

【专利技术属性】
技术研发人员：朱红，朱正谊，马洲俊，蒋承伶，谭晶，王文帝，许洪华，吴越，施萱轩，孙凯，陈大林，胡游君，施健，魏训虎，
申请(专利权)人：国网江苏省电力有限公司南京南瑞信息通信科技有限公司，
类型：发明
国别省市：