【技术实现步骤摘要】
本专利技术属于电力系统领域，尤其涉及一种基于多维历史数据的馈线负荷短期预测方法及系统。
技术介绍
1、随着全球能源结构的转型与可再生能源技术的快速发展，高比例分布式电源及电力电子设备的广泛接入，传统配电网正经历着从“无源”到“有源”的深刻变革。这一转变虽极大地促进了能源结构的多元化与清洁化，但同时也给配电网的安全、稳定、高效运行带来了前所未有的挑战。分布式新能源因其固有的不确定性、高波动性和低惯性特点，随着其在电网中占比的不断提升，对配电网的稳定运行构成了显著威胁。
2、负荷预测作为电网安全稳定调度的基础环节，其精确性与稳定性直接关系到电网调度系统的自动化水平与经济调度效率。在电力现货市场日益成熟的背景下，负荷预测的精准性更成为制定可靠出清计划、保障市场稳定运行的关键因素。同时，负荷预测也是构建新一代智能电网调度系统的重要基石，能够为上层决策提供及时、准确的负荷需求信息，支持电网的智能化、精细化调度。
3、面对光伏发电用户群体的持续增长和接入配电网的趋势，传统馈线负荷预测模型的局限性逐渐显现。具体而言，鉴于光伏发电输出的显著波动性和随机性，继续使用传统的预测方法将难以准确捕捉这些动态变化，导致预测精度大幅下降，难以满足现代电力系统对负荷预测精度的严格要求。
4、现有技术文件1(cn113902207a)公开了一种基于tcn-lstm的短期负荷预测方法。其不足之处在于未充分考虑分布式光伏发电对馈线负荷的影响，以及缺乏对多维度特征的深入挖掘。
5、现有技术文件2(cn115545319
技术实现思路
1、为解决现有技术中存在的不足，本专利技术提供一种基于多维历史数据的馈线短期负荷预测方法及系统，首先收集模型训练所需的历史数据，包括馈线负荷数据、光伏发电数据、气象数据、节假日数据、馈线对象信息等；然后对数据进行预处理操作，包括异常值检测与修正和归一化处理；随后，运用负荷预测特征构建算法筛选关键特征，经数学变换生成多维特征数据；接着将多维特征数据输入tcn-lstm预测模型进行训练，构建精准的负荷预测模型；最后，依据预报气象、日期类型及近期负荷历史，采用周期滚动预测机制，生成未来负荷预测结果，并通过详尽的评价指标验证模型性能，为电网调度与管理提供有力支持，实现对光伏发电接入比例较高的配电系统馈线负荷的准确预测。
2、本专利技术采用以下技术方案。
3、本专利技术第一方面公开一种基于多维历史数据的馈线负荷短期预测方法，包括以下步骤：
4、步骤1：获取馈线历史负荷数据、分布式光伏历史功率数据和历史气象数据，对数据进行预处理，得到历史数据集；
5、步骤2：基于步骤1中的历史数据集，采用负荷预测特征构建算法，筛选特征子集，通过数学变化操作，得到多维特征数据；
6、步骤3：将步骤2得到的多维特征数据输入构建的tcn-lstm模型进行训练，得到馈线短期负荷预测模型；
7、步骤4：基于步骤3得到的馈线短期负荷预测模型，结合预报气象、日期类型和近期历史负荷数据，根据设定的时间周期预测馈线短期负荷，并给出预测结果评价指标，得到馈线短期负荷预测值，实现多维历史数据的馈线负荷短期预测。
8、优选地，步骤1的具体步骤包括：
9、步骤1.1，每日定时获取馈线历史负荷和分布式光伏历史功率数据，得到馈线历史负荷和分布式光伏历史功率数据；
10、步骤1.2，每日定时获取历史气象信息，得到历史气象数据；
11、步骤1.3，利用分布式光伏与馈线的从属关系，在步骤1.1得到的馈线历史负荷数据上叠加步骤1.1得到的分布式光伏功率数据获取纯负荷数据，得到纯负荷数据、馈线历史负荷和分布式光伏历史功率数据；
12、步骤1.4，将步骤1.2得到的历史气象数据和步骤1.3得到的纯负荷数据、馈线历史负荷和分布式光伏历史功率数据的异常值进行水平法检测和修正，得到水平法修正后的历史数据；
13、步骤1.5，获取并依据每日的日期类型，对步骤1.4得到的水平法修正后的历史数据的异常值进行垂直法检测和修正，得到垂直法修正后的历史数据；
14、步骤1.6，对步骤1.5中得到的垂直法修正后的历史数据进行归一化处理，得到了历史数据集。
15、优选地，步骤1.4中，若|y(i,t)-y(i,t-1)|>α(t)且|y(i,t)-y(i,t+1)|>β(t)，水平法采用平均值的平滑计算法对y(i,t)进行修正，以如下公式表示：
16、
17、式中，
18、α(t)、β(t)为阀值，
19、y(i,t)为第i天t时刻的值，
20、y(i,t)水为水平法修正后的第i天t时刻的值。
21、优选地，步骤1.5中，若使用垂直法修正，以如下公式表示：
22、
23、式中：
24、γ为阀值，
25、y(i,t)水为水平法修正后的第i天t时刻的值，
26、y(i,t)垂为垂直法修正后的第i天t时刻的值，
27、为水平法修正后的历史数据中设定天数内同一时刻的平均值。
28、优选地，步骤2的具体步骤包括：
29、步骤2.1，求解步骤1得到的历史数据集中的纯负荷数据相隔时刻负荷之间的变化率，得到负荷增长率；
30、步骤2.2，利用相关系数法求解步骤1得到的历史数据集中历史气象数据和分布式光伏发电功率数据与纯负荷数据的相关系数，依据设定阈值，筛选出馈线特征；
31、步骤2.3，从步骤2.2筛选的馈线特征提取馈线特征主成分与因子，再与步骤2.1得到的负荷增长率和步骤2.2筛选的馈线特征组合后，进行数学变化操作，得到多维馈线特征。
32、优选地，步骤2.1中，负荷变化率，以如下公式表示：
33、
34、式中，
35、f(t,t-k)为时刻t的负荷值相较于时刻t-k的负荷值变化率，
36、y1,t、y1,t-k分别为时刻t、t-k的纯负荷数据值。
37、优选地，步骤2.2中，筛选相关系数大于0.2的馈线特征，相关系数rxy，以如下公式表示：
38、
39、式中，
40、n表示样本量，
41、xj为第j个样本的历史数据集中的历史气象数据和分布式光伏发电功率数据，
42、yj为第j个样本的历史数据集中的纯负荷数据，
43、分别为xj和yj的均值。
44、优选地，步骤3中，具体步骤包括：
45、步骤3.1，堆叠tcn残差块构成tcn网络的主干，结合扩张卷积层，构建tcn网络；
46、步骤3.2，构建lstm层本文档来自技高网...
【技术保护点】
1.一种基于多维历史数据的馈线负荷短期预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
3.根据权利要求2所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
4.根据权利要求2所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
5.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
6.根据权利要求5所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
7.根据权利要求5所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
8.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
9.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
10.根据权利要求9所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
11.根据权利要求9所述的一种基于多维历史数据的馈线负荷短
12.根据权利要求9所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
13.一种基于多维历史数据的馈线负荷短期预测系统，用于运行权利要求1-9任一项所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
...【技术特征摘要】
1.一种基于多维历史数据的馈线负荷短期预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
3.根据权利要求2所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
4.根据权利要求2所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
5.根据权利要求1所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
6.根据权利要求5所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在于：
7.根据权利要求5所述的一种基于多维历史数据的馈线负荷短期预测方法，其特征在...
【专利技术属性】
技术研发人员：陆潇晓，郭王勇，杜红卫，邵嗣杨，苏标龙，夏栋，张琪培，雷佳兴，伍林，王坤，陈天宇，夏一羽，汪明礼，袁博，刘增辉，鲁苏延，陆超，张玉林，李爽，宋德奎，冯荣强，张琨，黄宸希，黄晓铭，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。