一种计及光伏的配电网短期负荷预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种计及光伏的配电网短期负荷预测方法及装置，用于解决现有的配电网的负荷节点众多，如果全部都单独预测，计算量大，具有误差累积效应；如果整个区域的负荷叠加在一起进行预测，忽略了不同负荷特性的差异性，预测精度不高的技术问题。本发明专利技术实施例的一种计及光伏的配电网短期负荷预测方法包括：S1：对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；S2：通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；S3：通过基于相似日和支持向量机的短期负荷预测方法分别对各个聚类负荷进行负荷预测，将各个聚类负荷的负荷预测结果进行叠加。

Short term load forecasting method and device for photovoltaic distribution network

The embodiment of the invention discloses a photovoltaic and distribution network short term load forecasting method and device for solving the existing distribution network load of many nodes, if all individual forecasts, large amount of calculation, with the error accumulation effect; if the regional load superimposed together to predict, ignoring the differences of different load characteristics the technical problems, the accuracy of prediction. Distribution network short term load forecasting an embodiment of the present invention and photovoltaic method includes: S1: missing data net load power data of distributed photovoltaic and grid load and bad data preprocessing; S2: through the fuzzy C clustering method to satisfy the predetermined condition data net load power is divided into 5 a cluster load; S3: the similar day and support vector machine for short term load forecasting method based on load forecasting of each cluster were load, the load forecasting results are superimposed on each cluster load.

【技术实现步骤摘要】
一种计及光伏的配电网短期负荷预测方法及装置
本专利技术涉及电力系统负荷预测
，尤其涉及一种计及光伏的配电网短期负荷预测方法及装置。
技术介绍
随着并网光伏发电技术的不断发展及政策扶持力度的加大，光伏发电成本大大降低，分布式光伏发电在配电网中的渗透率不断增大，使得配电网的电力负荷产生较大的变化，对配电网的规划、电力调度等工作产生了一定的影响。同时，分布式光伏的间歇性、随机性等缺陷也使得负荷预测工作更为复杂。如果不考虑分布式光伏的变化情况对电力系统负荷的影响，单纯考虑网供负荷进行负荷预测，必然会产生较大的误差，因此做好分布式光伏并网之后的预测工作非常必要。配电网的负荷节点众多，如果全部都单独预测，计算量大，具有误差累积效应；如果整个区域的负荷叠加在一起进行预测，忽略了不同负荷特性的差异性，预测精度不高。目前较多采用聚类负荷的思想，将满足一定条件的若干负荷组合成一个聚类负荷，分别对聚类负荷预测，再将各聚类负荷的预测结果叠加，该方法计算量小，同时又兼顾了不同的负荷特性。负荷功率预测技术可以大致分为：经典预测技术、传统预测方法和现代预测技术。经典预测技术主要包括单耗法、弹性系数法、分区负荷密度法，从严格意义上来讲并不是真正的预测方法，它只是依靠一些简单的变量关系及专家经验来对未来的负荷变化做出一个方向性的结论，预测精度并不理想。传统预测方法主要包括时间序列法、回归分析法及灰色模型法，原理简单，理论成熟，但对于新能源接入后的配电网负荷预测适应性较差。目前应用较多的现代预测技术主要包括人工神经网络法、专家系统法、遗传算法、支持向量机。人工神经网络提前量适用范围较广，能够自适应、自学习，适合描述功率预测模型的复杂非线性特点，但训练时间长，对训练样本相似性要求较高，容易陷入局部最优。专家系统法能够克服单一算法的片面性，同时全过程的程序化，使得该方法具有快速决断的优点，但由于预测专家比较缺乏，预测过程易出现人为差错，同时需要将专家经验转化为数学规则转化为数据库，在实践中应用并不多。遗传算法具有全局优化能力，但需要选择、杂交、变异、评价等操作，计算复杂。
技术实现思路
本专利技术实施例提供了一种计及光伏的配电网短期负荷预测方法及装置，解决了配电网的负荷节点众多，如果全部都单独预测，计算量大，具有误差累积效应；如果整个区域的负荷叠加在一起进行预测，忽略了不同负荷特性的差异性，预测精度不高的技术问题。本专利技术实施例提供的一种计及光伏的配电网短期负荷预测方法，包括：S1：对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；S2：通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；S3：通过基于相似日和支持向量机的短期负荷预测方法分别对各个聚类负荷进行负荷预测，将各个聚类负荷的负荷预测结果进行叠加。优选地，所述步骤S1具体包括：获取分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)、离缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)日期d最近两天的净负荷功率数据：i节点第d1天t时刻的净负荷功率数据Pi(d1,t)、i节点第d2天t时刻的净负荷功率数据Pi(d2,t)和i节点第d1天t时刻的净负荷功率数据Pi(d1,t)所占的权重λ1，对i节点第d1天t时刻的净负荷功率数据Pi(d1,t)、i节点第d2天t时刻的净负荷功率数据Pi(d2,t)通过第一预置公式进行加权平均处理，得到分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)；获取分布式光伏和电网负荷构成的净负荷功率数据的不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)、不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)、t时刻的阈值θ(t)，若不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)大于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的和，则令不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)等于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的和，若不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)小于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的差，则令不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)等于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的差。优选地，所述第一预置公式为：Pi(d,t)＝λ1Pi(d1,t)+(1-λ1)Pi(d2,t)其中Pi(d,t)为分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据，Pi(d1,t)、Pi(d2,t)分别为离缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)日期d最近两天的净负荷功率数据：i节点第d1天t时刻的净负荷功率数据和i节点第d2天t时刻的净负荷功率数据，λ1为i节点第d1天t时刻的净负荷功率数据Pi(d1,t)所占的权重。优选地，所述步骤S3具体包括：S31：接收预定的相似度阈值和支持向量机参数，将各个聚类负荷功率数据和预定的历史功率数据进行比对，通过预定的相似度阈值选择各个聚类负荷功率数据的相似日；S32：接收选择的相似日中的3个相似日的功率数据，计算输出的功率数据与各相似日的后三天的功率数据的平均绝对百分比误差；S33：通过预定的规则调整预定的相似度阈值和支持向量机参数，获取新的相似度阈值和支持向量机参数，将各个聚类负荷功率数据和预定的历史功率数据进行比对，通过新的相似度阈值选择各个聚类负荷功率数据的相似日，接收选择的相似日中的3个相似日的功率数据，计算输出的功率数据与通过新的相似度阈值选择各个聚类负荷功率数据的各相似日的后三天的功率数据的新的平均绝对百分比误差进行循环更新所述平均绝对百分比误差；S34：判断更新的平均绝对百分比误差是否低于预定值，若是，则结束循环，获取低于预定值的平均绝对百分比误差对应的相似度阈值和支持向量机参数，若否，则继续判断循环次数是否达到预置次数，若循环次数达到预置次数，则结束循环，获取最小的平均绝对百分比误差对应的相似度阈值和支持向量机参数，若循环次数没有达到预置次数，则继续进行循环更新平均绝对百分比误差；S35：通过获取的相似度阈值和支持向量机参数的支持向量机模型分别对各个聚类负荷功率数据进行负荷预测，将各个聚类负荷功率数据的负荷预测结果进行叠加。优选地，所述步骤S3之后还包括：S4：判断叠加后的各个聚类负荷功率数据的负荷预测结果精度是否满足预定的条件，若是，则获得各个聚类负荷功率数据未来三天的预测功率数据，若否，则通过改变循环次数的预置次数和聚类负荷的个数进行更新支持向量机模型，直至叠加后的各个聚类负荷功率数据的负荷预测结果精度满足预定的条件。本专利技术实施例中提供的一种计及光伏的配电网短期负荷预测装置，包括：预处理单元，用于对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；划分单元，用于通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；预测单元，本文档来自技高网...

【技术保护点】
一种计及光伏的配电网短期负荷预测方法，其特征在于，包括：S1：对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；S2：通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；S3：通过基于相似日和支持向量机的短期负荷预测方法分别对各个聚类负荷进行负荷预测，将各个聚类负荷的负荷预测结果进行叠加。

【技术特征摘要】
1.一种计及光伏的配电网短期负荷预测方法，其特征在于，包括：S1：对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；S2：通过模糊C聚类方法将满足预定条件的所述净负荷功率数据分为5个聚类负荷；S3：通过基于相似日和支持向量机的短期负荷预测方法分别对各个聚类负荷进行负荷预测，将各个聚类负荷的负荷预测结果进行叠加。2.根据权利要求1所述的计及光伏的配电网短期负荷预测方法，其特征在于，所述步骤S1具体包括：获取分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)、离缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)日期d最近两天的净负荷功率数据：i节点第d1天t时刻的净负荷功率数据Pi(d1,t)、i节点第d2天t时刻的净负荷功率数据Pi(d2,t)和i节点第d1天t时刻的净负荷功率数据Pi(d1,t)所占的权重λ1，对i节点第d1天t时刻的净负荷功率数据Pi(d1,t)、i节点第d2天t时刻的净负荷功率数据Pi(d2,t)通过第一预置公式进行加权平均处理，得到分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)；获取分布式光伏和电网负荷构成的净负荷功率数据的不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)、不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)、t时刻的阈值θ(t)，若不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)大于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的和，则令不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)等于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的和，若不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)小于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的差，则令不良数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)等于不良数据i节点近三天t时刻净负荷功率数据的平均值Pi(t)与t时刻的阈值θ(t)的差。3.根据权利要求2所述的计及光伏的配电网短期负荷预测方法，其特征在于，所述第一预置公式为：Pi(d,t)＝λ1Pi(d1,t)+(1-λ1)Pi(d2,t)其中Pi(d,t)为分布式光伏和电网负荷构成的净负荷功率数据的缺失数据：i节点第d天t时刻的净负荷功率数据，Pi(d1,t)、Pi(d2,t)分别为离缺失数据：i节点第d天t时刻的净负荷功率数据Pi(d,t)日期d最近两天的净负荷功率数据：i节点第d1天t时刻的净负荷功率数据和i节点第d2天t时刻的净负荷功率数据，λ1为i节点第d1天t时刻的净负荷功率数据Pi(d1,t)所占的权重。4.根据权利要求3所述的计及光伏的配电网短期负荷预测方法，其特征在于，所述步骤S3具体包括：S31：接收预定的相似度阈值和支持向量机参数，将各个聚类负荷功率数据和预定的历史功率数据进行比对，通过预定的相似度阈值选择各个聚类负荷功率数据的相似日；S32：接收选择的相似日中的3个相似日的功率数据，计算输出的功率数据与各相似日的后三天的功率数据的平均绝对百分比误差；S33：通过预定的规则调整预定的相似度阈值和支持向量机参数，获取新的相似度阈值和支持向量机参数，将各个聚类负荷功率数据和预定的历史功率数据进行比对，通过新的相似度阈值选择各个聚类负荷功率数据的相似日，接收选择的相似日中的3个相似日的功率数据，计算输出的功率数据与通过新的相似度阈值选择各个聚类负荷功率数据的各相似日的后三天的功率数据的新的平均绝对百分比误差进行循环更新所述平均绝对百分比误差；S34：判断更新的平均绝对百分比误差是否低于预定值，若是，则结束循环，获取低于预定值的平均绝对百分比误差对应的相似度阈值和支持向量机参数，若否，则继续判断循环次数是否达到预置次数，若循环次数达到预置次数，则结束循环，获取最小的平均绝对百分比误差对应的相似度阈值和支持向量机参数，若循环次数没有达到预置次数，则继续进行循环更新平均绝对百分比误差；S35：通过获取的相似度阈值和支持向量机参数的支持向量机模型分别对各个聚类负荷功率数据进行负荷预测，将各个聚类负荷功率数据的负荷预测结果进行叠加。5.根据权利要求4所述的计及光伏的配电网短期负荷预测方法，其特征在于，所述步骤S3之后还包括：S4：判断叠加后的各个聚类负荷功率数据的负荷预测结果精度是否满足预定的条件，若是，则获得各个聚类负荷功率数据未来三天的预测功率数据，若否，则通过改变循环次数的预置次数和聚类负荷的个数进行更新支持向量机模型，直至叠加后的各个聚类负荷功率数据的负荷预测结果精度满足预定的条件。6.一种计及光伏的配电网短期负荷预测装置，其特征在于，包括：预处理单元，用于对分布式光伏和电网负荷构成的净负荷功率数据的缺失数据和不良数据进行预处理；划分单元，用于通过模糊C聚类方法将满足预定条件的所述净...

【专利技术属性】
技术研发人员：张弛，曾杰，骆潘钿，赵伟，钟国彬，梅成林，谢宁，徐琪，张威，赵景飞，罗敏，魏增福，孟金岭，邓凯，王超，易斌，徐凯琪，郑成立，何婷，周少雄，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：广东,44