【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种变电站负荷预测方法、装置及终端设备。
技术介绍
1、在现代的电网系统中，千伏变电站是重要的组成部分，其负荷预测对于电网系统的电力调度和设备配置等具有重要意义。目前针对千伏变电站的负荷预测，主要方法为时间序列分析法。时间序列分析法基于历史负荷数据，通过统计学方法建立负荷变化的时间序列模型进行负荷预测。但是，历史负荷数据容易受随机波动的影响，且在突发事件或季节性变化时预测效果较差，导致千伏变电站的负荷预测的准确性低，从而导致电网系统运行的稳定性和可靠性差。
技术实现思路
1、本专利技术实施例提供一种变电站负荷预测方法、装置及终端设备，能有效解决现有技术千伏变电站的负荷预测的准确性低，从而导致电网系统运行的稳定性和可靠性差的问题。
2、本专利技术一实施例提供一种变电站负荷预测方法，包括：
3、获取待处理变电站区域在待预测时间段内的预报温度值、预报居民用电电价、预报工业用电电价、当前气象信息、历史用户出行信息、历史企业生产信息、当前用户数量以及当前企业数量；
4、根据所述历史用户出行信息以及当前用户数量，确定在待预测时间段内的第一用户数量；并根据所述历史企业生产信息以及当前企业数量，确定在待预测时间段内的第一企业数量；
5、将所述预报温度值、预报居民用电电价、当前气象信息以及第一用户数量输入至预设的用户负荷预测模型中进行用户负荷预测，得到用户用电负荷值；
6、将所述预报温度值、预报工业用电电价、
7、根据所述用户用电负荷值、所述企业用电负荷值以及所述预报温度值，计算得到待处理变电站区域在待预测时间段内的总负荷值。
8、进一步地，所述历史用户出行信息包括历史出行占比以及历史出行时间；
9、根据所述历史用户出行信息以及当前用户数量，确定在待预测时间段内的第一用户数量，包括：
10、根据历史出行占比以及当前用户数量，相乘计算得到出行人口数量；
11、根据当前用户数量以及出行人口数量，相减计算得到待预测时间段内的第一用户数量；
12、其中，若待预测时间段对应的星期制与历史出行时间的星期制不同，则将与待预测时间段星期制相同，且与待预测时间段最近的历史出行时间所对应的历史出行占比，作为最终的历史出行占比。
13、进一步地，所述历史企业生产信息包括历史企业生产占比；
14、根据所述历史企业生产信息以及当前企业数量，确定在待预测时间段内的第一企业数量，包括：
15、根据历史企业生产占比以及当前企业数量，相乘计算得到生产企业数量；
16、根据当前企业数量以及生产企业数量，相减计算得到待预测时间段内的第一企业数量。
17、进一步地，所述用户负荷预测模型的训练，包括：
18、获取历史温度值、历史气象信息、历史居民用电电价、历史用户数量、模型的初始第一鸟巢位置以及初始第一优化参数；
19、将所述历史温度值、历史气象信息、历史居民用电电价、历史用户数量、当前第一优化参数以及当前第一鸟巢位置输入至待训练的用户负荷预测模型中优化，得到第一目标鸟巢位置；其中，首次优化的当前第一鸟巢位置为初始第一鸟巢位置；首次优化的当前第一优化参数为初始第一优化参数；
20、根据当前第一鸟巢位置以及第一目标鸟巢位置，计算得到第一鸟巢适应度；并根据第一鸟巢适应度更新当前第一鸟巢位置以及当前第一优化参数，直至达到预设的迭代次数，得到最终的第一鸟巢位置；
21、根据最终的第一鸟巢位置所对应的第一惩罚系数以及径向基核函数的第一宽度，构建得到完成训练的用户负荷预测模型。
22、进一步地，所述企业负荷预测模型的训练，包括：
23、获取历史温度值、历史气象信息、历史工业用电电价、历史企业数量以及模型的初始第二鸟巢位置以及初始第二优化参数；
24、将所述历史温度值、历史气象信息、历史工业用电电价、历史企业数量、当前第二优化参数以及模型的当前第二鸟巢位置输入至待训练的企业负荷预测模型中优化，得到第二目标鸟巢位置；其中，首次优化的当前第二鸟巢位置为初始第二鸟巢位置；首次优化的当前第二优化参数为初始第二优化参数；
25、根据当前第二鸟巢位置以及第二目标鸟巢位置，计算得到第二鸟巢适应度；并根据第二鸟巢适应度更新当前第二鸟巢位置以及当前第二优化参数，直至达到预设的迭代次数，得到最终的第二鸟巢位置；
26、根据最终的第二鸟巢位置所对应的第二惩罚系数以及径向基核函数的第二宽度，构建得到完成训练的企业负荷预测模型。
27、进一步地，所述用户负荷预测模型包括：用于表示基于温度影响的第一用户用电负荷预测层、用户表示基于居民用电电价影响的第二用户用电负荷预测层以及用户用电总负荷预测层；
28、将所述预报温度值、预报居民用电电价、当前气象信息以及第一用户数量输入至预设的用户负荷预测模型中进行用户负荷预测，得到用户用电负荷值，包括：
29、根据所述预报温度值以及预设第一温度阈值进行比较，确定第一用户用电负荷预测层的第一用户负荷预测函数；
30、根据所述预报温度值、第一用户数量以及确定的第一用户负荷预测函数，计算得到第一用户用电负荷预测层的第一用户用电负荷预测值；
31、根据所述预报居民用电电价以及预设居民用电电价阈值进行比对，确定第二用户用电负荷预测层的第二用户负荷预测函数；
32、将当前气象信息转换成对应数值，得到季节因子；
33、根据所述预报居民用电电价、季节因子以及第二用户负荷预测函数，计算得到第二用户用电负荷预测层的第二用户用电负荷预测值；
34、将第一用户用电负荷预测值以及第二用户用电负荷预测值输入至用户用电总负荷预测层相加求和，得到用户用电负荷值。
35、进一步地，所述企业负荷预测模型包括：用于表示基于温度影响的第一企业用电负荷预测层、用于表示基于工业用电电价影响的第二企业用电负荷预测层以及企业用电总负荷预测层；
36、将所述预报温度值、预报工业用电电价、当前气象信息以及第一企业数量输入至预设的企业负荷预测模型中进行企业负荷预测，得到企业用电负荷值，包括：
37、根据所述预报温度值以及预设第二温度阈值进行比较，确定第一企业用电负荷预测层的第一企业负荷预测函数；
38、根据所述预报温度值、第一企业数量以及确定的第一企业负荷预测函数，计算得到第一企业用电负荷预测层的第一企业用电负荷预测值；
39、根据所述预报工业用电电价以及预设工业用电电价阈值进行比较，确定第二企业用电负荷预测层的第二企业负荷预测函数；
40、根据所述预报工业用电电价、季节因子以及第二企业负荷预测函数，计算得到第二企业用电负荷预测层的第二企业用电负荷预测值本文档来自技高网...
【技术保护点】
1.一种变电站负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述历史用户出行信息包括历史出行占比以及历史出行时间；
3.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述历史企业生产信息包括历史企业生产占比；
4.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述用户负荷预测模型的训练，包括：
5.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述企业负荷预测模型的训练，包括：
6.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述用户负荷预测模型包括：用于表示基于温度影响的第一用户用电负荷预测层、用户表示基于居民用电电价影响的第二用户用电负荷预测层以及用户用电总负荷预测层；
7.如权利要求6所述的一种变电站负荷预测方法，其特征在于，所述企业负荷预测模型包括：用于表示基于温度影响的第一企业用电负荷预测层、用于表示基于工业用电电价影响的第二企业用电负荷预测层以及企业用电总负荷预测层；
8.如权利要求1所述的一种变电站负荷预
9.一种变电站负荷预测装置，其特征在于，包括：
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的一种变电站负荷预测方法。
...【技术特征摘要】
1.一种变电站负荷预测方法，其特征在于，包括：
2.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述历史用户出行信息包括历史出行占比以及历史出行时间；
3.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述历史企业生产信息包括历史企业生产占比；
4.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述用户负荷预测模型的训练，包括：
5.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述企业负荷预测模型的训练，包括：
6.如权利要求1所述的一种变电站负荷预测方法，其特征在于，所述用户负荷预测模型包括：用于表示基于温度影响的第一用户用电负荷预测层、用户表示基于居民用电电价影响的第二用户用电负荷预测层以及用户用电...
【专利技术属性】
技术研发人员：雷翔胜，王兴华，王彦峰，余梦泽，吴小蕙，王婧怡，潘柏崇，董士波，王小东，娄赟，
申请(专利权)人：广东电网有限责任公司，
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。