一种基于行业特征的线路负荷分类预测方法、设备和介质技术

本发明专利技术公开了一种基于行业特征的线路负荷分类预测方法、设备和介质，包括以下具体步骤：获取目标线路日负荷数据，对日负荷数据进行预处理，对预处理后的数据进行典型日负荷曲线提取；采用自适应聚类算法对典型日负荷曲线进行聚类处理，确定该线路所属行业类型；根据线路所属行业类型，获取相同行业类型线路的历史数据，根据历史数据进行负荷特性分析；根据行业特性对各线路负荷预测数据进行预测，确定总量负荷预测值。基通过采用大数据聚类方法对不同行业类型的线路负荷进行单独预测，再汇总得到总量负荷预测结果，有助于根据行业分类负荷的特性和变化趋势得到行业分类负荷对总量负荷变化的影响，减小了算法复杂度，提高了预测精度。测精度。测精度。

【技术实现步骤摘要】
一种基于行业特征的线路负荷分类预测方法、设备和介质


[0001]本专利技术涉及电力数据处理
，具体涉及一种基于行业特征的线路负荷分类预测方法、设备和介质。

技术介绍

[0002]随着新型电力系统及电力市场建设的推进，对于负荷预测的准确性和稳定性提出了更高的要求。现有主流预测方法多直接对全网总量负荷进行预测，由于预测计算量大，存在算法复杂、出错率高、预测准确率低的问题，并且在预测过程中难以充分挖掘行业用电情况对网供负荷发展的影响，难以精细化分析不同负荷构成成分特性等问题，导致预测精度提升较为困难。

技术实现思路

[0003]本专利技术所要解决的技术问题是对全网总量负荷进行预测时预测准确率低，目的在于提供一种基于行业特征的线路负荷分类预测方法、设备和介质，基于不同行业类型的线路用电特征，通过对不同行业类型的线路负荷进行单独预测，再汇总得到总量负荷预测结果。该方法有助于根据行业分类负荷的特性和变化趋势得到行业分类负荷对总量负荷变化的影响，提高了预测精度。
[0004]本专利技术通过下述技术方案实现：
[0005]本专利技术第一方面提供一种基于行业特征的线路负荷分类预测方法，包括以下具体步骤：
[0006]获取目标线路日负荷数据，对日负荷数据进行预处理，对预处理后的数据进行典型日负荷曲线提取；
[0007]采用自适应聚类算法对典型日负荷曲线进行聚类处理，确定该线路所属行业类型；
[0008]根据线路所属行业类型，获取相同行业类型线路的历史数据，根据历史数据进行负荷特性分析；
[0009]根据行业特性对各线路负荷预测数据进行预测，确定总量负荷预测值。
[0010]本专利技术基于不同行业类型的线路用电特征，通过采用大数据聚类方法对不同行业类型的线路负荷进行单独预测，再汇总得到总量负荷预测结果。该方法有助于根据行业分类负荷的特性和变化趋势得到行业分类负荷对总量负荷变化的影响，提高了预测精度。
[0011]进一步的，所述对日负荷数据进行预处理具体包括：
[0012]获取日负荷数据中用电量异常点的数目和用电量数据点的总数，确定用电量异常度，判断用电量异常度是否超过设定阈值：
[0013]若用电量异常度未超过设定阈值，则对日负荷数据进行修正；
[0014]若用电量异常度超过设定阈值，则将该线路日负荷数据判定为异常行业。
[0015]进一步的，所述对预处理后的数据进行典型日负荷曲线提取，具体包括：
[0016]对预处理后的数据进行数值量判断；
[0017]若数值量大于数值量设定阈值，采用循环平均法进行典型日负荷曲线提取，具体包括：
[0018]删除预处理后的数据在负荷为0的日负荷曲线样本；
[0019]计算各时刻点平均负荷，生成典型曲线，计算各日负荷曲线与典型曲线距离偏差率；
[0020]若偏差率大于设定阈值，则删除曲线距离偏差率大于阈值的日负荷曲线样本，重新计算各时刻点平均负荷，直至偏差率小于均值，输出用户典型负荷曲线；
[0021]若数值量小于数值量设定阈值，采用GMM聚类法进行典型日负荷曲线提取，具体包括：
[0022]初始化模型个数k＝1，采用GMM聚类对k进行处理计算后验概率，获得数据点的风险概率最大化，判断风险是否大于设定阈值；
[0023]若风险大于设定阈值，则进行反向权值更新，重新聚类，直至输出的风险小于设定阈值，获取最大聚类簇作为典型负荷曲线。
[0024]进一步的，所述确定该线路所属行业类型包括：
[0025]获取目标线路行业标签，将多条典型日负荷曲线聚类运算得到第一行业典型日负荷曲线；
[0026]对行业典型日负荷曲线进行归一化处理，计算典型日负荷曲线与第一行业典型日负荷曲线的距离偏差值；
[0027]判断偏差值是否小于阈值：若偏差值大于阈值，则对该线路行业标签进行纠正，更新线路行业标签，重复上述步骤，直至偏差值小于阈值，输出第二行业典型日负荷曲线。
[0028]进一步的，所述确定该线路所属行业类型，还包括：
[0029]对第二行业典型日负荷曲线进行二次聚类，得到聚类簇数对应的轮廓系数；
[0030]将轮廓系数最大值对应的聚类簇数赋予N，得到N个行业标签。
[0031]进一步的，所述进行负荷特性分析包括：
[0032]根据行业标签获取线路历史负荷数据，结合线路历史负荷数据分析不同行业标签线路的负荷稳定性、不同行业标签线路的负荷与总量负荷之间的相关性以及不同行业标签线路的负荷与总量负荷之间的灵敏度。
[0033]进一步的，所述根据负荷特性对各线路负荷预测数据进行预测，确定总量负荷预测值，具体包括：
[0034]基于不同行业标签的线路负荷和负荷特性筛选有用特征，构建预测模型；
[0035]对模型进行训练，根据训练结果将不同行业标签的线路负荷与预测负荷进行最优算法适配；
[0036]根据最优算法更新预测模型，根据更新后的预测模型对不同行业标签线路负荷进行预测，将不同行业标签线路负荷预测数据进行组合，确定总量负荷预测值。
[0037]进一步的，所述确定总量负荷预测值后，还包括确定预测值准确率，所述计算步骤包括：
[0038][0039]其中，1
‑
e
RMSPE
表示预测准确率，A(i)表示实际负荷、F(i)表示预测负荷。
[0040]本专利技术第二方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种基于行业特征的线路负荷分类预测方法。
[0041]本专利技术第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于行业特征的线路负荷分类预测方法。
[0042]本专利技术与现有技术相比，具有如下的优点和有益效果：
[0043]1.基于不同行业类型的线路用电特征，通过采用大数据聚类方法对不同行业类型的线路负荷进行单独预测，再汇总得到总量负荷预测结果。该方法有助于根据行业分类负荷的特性和变化趋势得到行业分类负荷对总量负荷变化的影响，提高了预测精度；
[0044]2.采用大数据聚类方法，基于行业负荷自身特性对各用户进行准确的行业分类，避免凭借人工经验进行分类的判断误差，提高行业特征获取的科学性和效率；
[0045]3.有效融合行业负荷数据、单一气象指标数据和综合气象指标数据，构建海量数据多维分析方法，实现总量负荷的有效解构；
[0046]4.相较于对总量负荷直接进行预测，基于分类负荷的预测算法标准差更低，预测精度更高，预测准确率分布更稳定；
[0047]5.对于传统预测算法预测较差的某些日期，例如负荷变化较为剧烈的日期，基于分类负荷的总量负荷预测效果更优，具有更好的实用性和可解释性。
附图说明
[0048]为了更清楚地说明本专利技术示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行业特征的线路负荷分类预测方法，其特征在于，包括以下具体步骤：获取目标线路日负荷数据，对日负荷数据进行预处理，对预处理后的数据进行典型日负荷曲线提取；采用自适应聚类算法对典型日负荷曲线进行聚类处理，确定该线路所属行业类型；根据线路所属行业类型，获取相同行业类型线路的历史数据，根据历史数据进行负荷特性分析；根据行业特性对各线路负荷预测数据进行预测，确定总量负荷预测值。2.根据权利要求1所述的基于行业特征的线路负荷分类预测方法，其特征在于，所述对日负荷数据进行预处理具体包括：获取日负荷数据中用电量异常点的数目和用电量数据点的总数，确定用电量异常度，判断用电量异常度是否超过设定阈值：若用电量异常度未超过设定阈值，则对日负荷数据进行修正；若用电量异常度超过设定阈值，则将该线路日负荷数据判定为异常行业。3.根据权利要求1所述的基于行业特征的线路负荷分类预测方法，其特征在于，所述对预处理后的数据进行典型日负荷曲线提取，具体包括：对预处理后的数据进行数值量判断；若数值量大于数值量设定阈值，采用循环平均法进行典型日负荷曲线提取，具体包括：删除预处理后的数据在负荷为0的日负荷曲线样本；计算各时刻点平均负荷，生成典型曲线，计算各日负荷曲线与典型曲线距离偏差率；若偏差率大于设定阈值，则删除曲线距离偏差率大于阈值的日负荷曲线样本，重新计算各时刻点平均负荷，直至偏差率小于均值，输出用户典型负荷曲线；若数值量小于数值量设定阈值，采用GMM聚类法进行典型日负荷曲线提取，具体包括：初始化模型个数k＝1，采用GMM聚类对k进行处理计算后验概率，获得数据点的风险概率最大化，判断风险是否大于设定阈值；若风险大于设定阈值，则进行反向权值更新，重新聚类，直至输出的风险小于设定阈值，获取最大聚类簇作为典型负荷曲线。4.根据权利要求1所述的基于行业特征的线路负荷分类预测方法，其特征在于，所述确定该线路所属行业类型包括：获取目标线路行业标签，将多条典型日负荷曲线聚类运算得到第一行业典型日负荷曲线；对行业典型日负荷曲线进行归一化处理，计算典型日负荷曲线与第一行业典型...

【专利技术属性】
技术研发人员：何小飞，李昀，胡可，祝小涵，高成，刘炜，王瀚，周文乐，韩辞，侯亚敏，
申请(专利权)人：国网四川省电力公司乐山供电公司，
类型：发明
国别省市：