【技术实现步骤摘要】
一种用于电力系统短期负荷的预测方法
本专利技术属于电力负荷预测
,更为具体地讲,涉及一种用于电力系统短期负荷的预测方法。
技术介绍
随着电力市场的发展以及用户需求的逐步提升,电网的安全及经济运行变得至关重要。对电力负荷进行准确的短期预测,可以有效保障电网安全运行,降低发电成本,满足用户需求,提高社会经济效益。由于电力能源的生产、输送、分配和供应消费几乎同时完成,电能作为一种较为特殊的能源,难以大量存储,这就使得电力系统发电出力应该与系统负荷的变化随时保持一致,达到动态平衡,满足供需关系,否则轻则影响供电质量,重则危机整个电力系统的安全与稳定。由于电力系统负荷具有明显的周期特性(天,周,月,年),同时影响的因素复杂(天气、经济、节假日、观测误差等等),电力系统负荷呈现出较强的随机性和非周期成分,为短期预测带来较大难度。文献“ZhengJ,XuC,ZhangZ,etal.ElectricloadforecastinginsmartgridsusingLong-Short-Term-MemorybasedRecurrentNeuralNetwork[C]//InformationSciencesandSystems.IEEE,2017.”使用LSTM对电力负荷进行了短期预测,并将LSTM与其他常见算法进行了对比,结果表明LSTM的预测误差要优于其他算法。同时,文中指出季节性差分自回归滑动平均模型(SARIMA)对于非平稳非季节性的电力负荷系统预测难以发挥作用。但是,其文中给出结果并没有对负荷的高频局部特征进行准确的预测,预测曲线仅拟合了负荷的基本变化趋势。 ...
【技术保护点】
1.一种用于电力系统短期负荷的预测方法,其特征在于,包括以下步骤:(1)、从智能电表端提取用户侧负荷数据(1.1)、从各个智能电表端采集每个用户的用电负荷数据;(1.2)、将每个用户的用电负荷数据进行叠加,得到接近于发电侧的区域负荷数据;(1.3)、对区域负荷数据进行层次聚类,得到N类负荷数据,再以层次聚类得到的类别数N为基准,进行K均值聚类,得到代表用户侧负荷的N类用电负荷数据;(2)、利用集合经验模态分解算法EEMD对每一类用电负荷数据进行分解;(2.1)、从N类用电负荷数据中随机抽取一类用电负荷数据作为测试数据,并在测试数据中加入白噪声,标记为s(n);(2.2)、对s(n)进行EMD分解,计算出若干本征模函数IMF分量;(2.2.1)、找出s(n)的所有极值点,再使用三次样条插值函数分别求出上下包络曲线emax(n)和emin(n),然后计算其均值m(n);
【技术特征摘要】
1.一种用于电力系统短期负荷的预测方法,其特征在于,包括以下步骤:(1)、从智能电表端提取用户侧负荷数据(1.1)、从各个智能电表端采集每个用户的用电负荷数据;(1.2)、将每个用户的用电负荷数据进行叠加,得到接近于发电侧的区域负荷数据;(1.3)、对区域负荷数据进行层次聚类,得到N类负荷数据,再以层次聚类得到的类别数N为基准,进行K均值聚类,得到代表用户侧负荷的N类用电负荷数据;(2)、利用集合经验模态分解算法EEMD对每一类用电负荷数据进行分解;(2.1)、从N类用电负荷数据中随机抽取一类用电负荷数据作为测试数据,并在测试数据中加入白噪声,标记为s(n);(2.2)、对s(n)进行EMD分解,计算出若干本征模函数IMF分量;(2.2.1)、找出s(n)的所有极值点,再使用三次样条插值函数分别求出上下包络曲线emax(n)和emin(n),然后计算其均值m(n);(2.2.2)、计算s(n)与m(n)的差值d(n);d(n)=s(n)-m(n)(2.2.3)、设置筛分门限阈值利用d(n)计算本次分解时的筛分门限值SD;其中,n=0,1,…,M,M表示该类用电负荷数据的序列长长度度;i=1,2,…,k表示第i次筛分,k表示筛分总次数,当i=1时,d0(n)等于s(n);若SD小于则令cj(n)=d(n),即得到本次分解后的一个IMF分量cj(n),j=1,2,…,h,h表示IMF分量总个数,一次完整的筛分过程结束,跳转到步骤(2.2.4);否则以d(n)作为输入信号,即d(n)=s(n),再返回步骤(2.2.1)进行下一轮的筛分,直到经过多轮筛分后满足SD小于(2.2.4)、令s(n)=s(n)-cj(n),判断s(n)是否满足继续分解的条件,如果不满足分解条件,则令残余r(n)=s(n),且本次分解结束,得到本次分解后的一组IMF分量cj(n)及残余;否则,以所得到的s(n)返回步骤(2.2.1)继续下一轮分解,从而计算出下一个IMF分量cj+1(n),然后依次类推,最终将原信号s(n)分解为了h个本征模函数IMF分量[c1(n),c2(n),…,ch(n)]以及残余r(n);(2.3)、将步骤(2.1)中抽取的测试数据按照步骤(2.1)和(2.2)所述方法重复P次,且每次添加不同的白噪声;(2.4)、将P次分别得到的IMF分量求均值,得到IMF均值集合,即得到h个频率从高到低不等的频率负荷分量;(3)、在IMF均值集合中,将前τ个频率负荷分...
【专利技术属性】
技术研发人员:武鑫,黄琦,邓带雨,李坚,胡维昊,张真源,李晨,井实,易建波,王妮,杨云聪,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。