能源互联网环境下基于属性关联的负荷预测系统及其方法技术方案

本发明专利技术提供一种能源互联网环境下基于属性关联的短期负荷预测系统,其特点是，包括：数据采集及数据库管理模块、电量供需平衡实时监测模块、数据分析与处理模块、数据存储模块和电量查询模块。本发明专利技术提出的能源互联网环境下基于属性关联的短期负荷预测方法，是基于图论的用于短期负荷预测的挖掘算法。本发明专利技术所述系统考虑到影响负荷的多重属性，可以比较完整的掌握用户用电规律。预测方法主要针对于负荷变化相关的各种关联因素，找出高关联度的影响因子和连锁反应链，挖掘用户用电行为和用户群用电关联模式，为大规模间歇性新能源并网后，实现实时负荷预测的方法提供新的解决思路。

【技术实现步骤摘要】

本专利技术涉及智能电网和能源互联网领域，是一种能源互联网环境下基于属性关联的短期负荷预测系统及其方法。
技术介绍
电力负荷预测是电网配电管理的重要基础，是电力系统规划和调度的重要依据，以及电力系统运行中的重要部分，对电力系统运行的安全性、稳定性，都有着非常重要的影响。由于新能源的并网后，风能和光伏出力等新能源发电的随机性和不确定性，如何解决大规模间歇性新能源并网后，对实时负荷变化的影响和预测是本专利研究的主要内容。短期负荷预测是基于实时负荷变化规律，全面考虑影响负荷变化的各种因素，挖掘各种相关因素与电力负荷变化的内在联系。其目的是预测未来几个小时内或几天内的用电负荷负载，为电力系统控制中心的合理调度和安全运作提供了技术支持，实现发电容量的合理性和成本最小化。传统的短期负荷预测有时间序列方法、人工神经网络方法、灰色预测方法及小波分析预测方法。时间序列方法根据负荷历史数据建立数学模型，基于此模型基础上进行负荷预测，该方法没有考虑负荷变化的全面因素，只致力于数据的拟合，对全面数据的规律分析和处理也明显不足；人工神经网络方法则在应对突发的电力负荷波动时(波峰波谷的落差)能力不足，虽然对非结构性和非确定性的规律有一定的自适应性，但学习过程太慢；灰色预测方法则主要善于解决少量的历史数据，以此发现影响负荷的规律，计算结果说服力不足，同时，建立的负荷预测模型也难以应对波动性较大的电力负荷，历史数据少量且离散程度较大时，预测精度较差；小波分析预测方法则缺乏考虑天气、温度等其他多重因素对电力负荷的影响，虽然预测精度较好，但实施环境太过理想。综上所述，传统的方法大多应用范围比较局限，并且实验效果并不是很理想，其用电量预测工作大多都是将所有用电用户作为一个整体进行建模，以此为电力系统供电负荷进行整体预测，而忽略了用户自身的特点以及用户之间用电习惯等的关联关系分析。随着智能电网的发展逐步进入到能源互联网的时代，越来越多的可接入能源，将发电、负荷、储能装置及控制装置等结合在一起，微网与外部的智能电网联网运行，完成智能终端与控制中心的互动，使得电网与外部因素的关联越发密切。目前，针对能源互联网环境进行全面分析和考虑的负荷预测方法较少，缺乏综合考虑电网系统中影响负荷变化的多重因素。因此，建立用户用电负荷变化与影响负荷变化的多重影响因素之间的关系模型，是解决用户端负荷变化的超短期和短期预测的重要手段。迄今，未见有关能源互联网环境下基于属性关联的短期负荷预测系统及其方法的文献报道和实际应用。
技术实现思路
本专利技术的目的是，提供一种能源互联网环境下基于属性关联的短期负荷预测系统及其方法，能源互联网环境下基于属性关联的短期负荷预测系统全面考虑到影响负荷变化的多重属性，深度挖掘用户群以及用户之间的用电规律，为适应新能源并网后的智能电网和能源互联网环境下的短期负荷预测提供了较好的解决方案；同时，能源互联网环境下基于属性关联的短期负荷预测方法用来构建完整的能源互联网大规模关联关系图，将影响负荷变化的多重因素进行了全面整合，并且通过密度子图挖掘算法来深度挖掘在关系图下的潜在用电规律，实现了基于新能源并网后的电网短期负荷预测的分析，该系统和方法将更加有利于促进智能电网和能源互联网的发展，有利于加强控制中心对用户侧的用电需求预测的准确性，保障电网的正常运行。本专利技术提供了一种能源互联网环境下基于属性关联的负荷预测系统，其特征是，它包括：数据采集及数据库管理模块，用于采集原始数据并进行分类，进而构建数据库本体；电量供需平衡实时监测模块，基于数据库中的原始数据构建大规模图，依据构建的大规模图结构对影响用户用电的因素进行分析,监测供需双向负荷变化规律及阈值预警；数据分析与处理模块，以大规模图结构为数据本体，将同一时间内消耗相等或相似电量的用户群建立关联关系，从而进行用户侧短期或超短期负荷的预测分析；数据存储模块，对主机空间占有率与分配率进行实时监测；电量查询模块，用于用户进行用电量的实时查询。所述数据采集及数据库管理模块包括：能源控制装置、时间与地理信息定位装置、气象与空气质量监测装置、用户信息管理装置和数据库管理装置，其中，数据库库管理装置将采集到的原始数据设定为四大类型：(1)能源类P，包括风能、太阳能光伏、电动车、生物质能、潮汐能、火力发电、水利发电和蓄电池；(2)时间和日期类D，包括用电日的日期、智能电表采集的时间和周期、工作日、周末、季节、节日、发电和用电高峰期、实时电价、分时电价；(3)气象和环境类A,包括晴天、阴天、雨天、风力0-2级、风力2-4级、风力4-6级、风力6级以上、温度、湿度、PM2.5、空气质量程度；(4)用户类U，包括智能电表ID、智能电表位置信息、用户基本信息、用电习惯、实时用电量。所述电量供需平衡实时监测模块包括：用于原始数据构建大规模图的大规模图G构建装置，大规模图G构建装置基于数据库对原始数据进行四大类型的设定，构建以智能电表为点V，以数据种类A(P,D,W,U)为顶点属性集合，电量C的变化信息为重要引导属性参数，以边E构建大规模图结构G,将基于电量的大规模子图定义为G＝{V,A,C,E本文档来自技高网...

【技术保护点】
一种能源互联网环境下基于属性关联的负荷预测系统，其特征是，它包括：数据采集及数据库管理模块，用于采集原始数据并进行分类，进而构建数据库本体；电量供需平衡实时监测模块，基于数据库中的原始数据构建大规模图，依据构建的大规模图结构对影响用户用电的因素进行分析,监测供需双向负荷变化规律及阈值预警；数据分析与处理模块，以大规模图结构为数据本体，将同一时间内消耗相等或相似电量的用户群建立关联关系，从而进行用户侧短期或超短期负荷的预测分析；数据存储模块，对主机空间占有率与分配率进行实时监测；电量查询模块，用于用户进行用电量的实时查询。

【技术特征摘要】
1.一种能源互联网环境下基于属性关联的负荷预测系统，其特征是，它包括：数据采集及数据库管理模块，用于采集原始数据并进行分类，进而构建数据库本体；电量供需平衡实时监测模块，基于数据库中的原始数据构建大规模图，依据构建的大规模图结构对影响用户用电的因素进行分析,监测供需双向负荷变化规律及阈值预警；数据分析与处理模块，以大规模图结构为数据本体，将同一时间内消耗相等或相似电量的用户群建立关联关系，从而进行用户侧短期或超短期负荷的预测分析；数据存储模块，对主机空间占有率与分配率进行实时监测；电量查询模块，用于用户进行用电量的实时查询。2.根据权利要求1所述的能源互联网环境下基于属性关联的负荷预测系统，其特征是，所述数据采集及数据库管理模块包括：能源控制装置、时间与地理信息定位装置、气象与空气质量监测装置、用户信息管理装置和数据库管理装置，其中，数据库库管理装置将采集到的原始数据设定为四大类型：(1)能源类P，包括风能、...

【专利技术属性】
技术研发人员：王玲，周铁华，姜海晶，丁伟，陈智远，刘桢宏，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：吉林;22