一种居民区负荷特性及模型预测的归类研究方法技术

本发明专利技术涉及一种居民区负荷特性及模型预测的归类研究方法。通过建立居民区的状态空间，将居民区划分为不同的类别，通过同类其他居民区的负荷特性来拟合待预测居民区的负荷情况。本发明专利技术把握特性发展规律，科学地制定用电规划；归类建立预测模型能够方便有效的预测负荷，有助于科学的进行供电网的调配，更好的使得供电网经济安全运行。

A classification research method of load characteristics and model prediction in residential areas

The invention relates to a method to classify the load characteristics of residential areas and model prediction. By establishing the state space of residential area, the residential area is divided into different categories, and the load characteristics of similar residential areas are fitted to predict the load of residential areas. The invention grasps the law of characteristic development, scientifically formulating the power consumption plan, and classifies and sets up the prediction model, which is able to predict the load conveniently and effectively, and is helpful for the scientific allocation of the power supply network, so as to make the power network run economically and safely.

【技术实现步骤摘要】
一种居民区负荷特性及模型预测的归类研究方法
本专利技术涉及居民用电负荷领域，具体涉及一种居民区负荷特性及模型预测的归类研究方法。
技术介绍
随着我国经济的快速发展和电力体制改革的进一步深化，电力市场分析工作对电力企业的经营和规划越来越重要。负荷特性分析和调查是电力系统规划的基础，是了解和预测管辖范围内用户和市场的必要手段。居民负荷是城市负荷的重要组成部分，对城市居民负荷特性进行调查研究、对居民负荷预测、居民区供电方案的制定、城市电网规划、电网经济运行及电力市场营销具有重要意义。通过对区域负荷特性进行深入分析，深入了解该区域的负荷特性状况，可以进行有效的负荷监控，改善需求侧的用电情况，使整个电网负荷更加平稳，从而提高社会效益。电力系统负荷预测按时间不同可以分为长期、中期、短期和超短期预测。研究的方法有回归预测法、趋势外推法、时间序列法、神经网络方法等。如果选择预测模型的标准是追求预测精度的极大化，则最好选择时间序列模型。时间序列方法预测电力负荷的基本思路是：收集大量准确的历史数据，根据未来与过去时间序列所具有的相似性，通过历史负荷数据揭示其随时间变化的规律，建立科学的模型，进行大量地检验从而不断完善模型，达到最佳的预测结果。针对电力系统的负荷特性分析有很多卓有成效的研究工作，虽然这些研究成果对地区负荷特性分析有一定的借鉴意义，但也存在各自的不足与局限。
技术实现思路
本专利技术的目的在于提供一种居民区负荷特性及模型预测的归类研究方法，该方法通过对已有居民区的负荷数据去预测新建小区的负荷或进行已有居民区的负荷异常检测，大大减少工作量，有助于科学的进行供电网的调配，更好的使得供电网经济安全运行。为实现上述目的，本专利技术的技术方案是：一种居民区负荷特性及模型预测的归类研究方法，包括如下步骤，S1、建立居民区特征空间，划分类别：根据居民区的特征数据，包括区域位置、占地面积、容积率、总户数、房屋均价、开盘时间、物业费、建筑类别、教育资源、生活娱乐资源、交通出行数据，对该些数据进行处理，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K-MEANS聚类分析，完成居民区的类别划分；S2、建立ARIMA预测模型有效的预测负荷；S3、建立同类型小区负荷预测：对于新居民区，根据已有的特性指标相似的居民区的负荷数据去量化新居民区的负荷指标，并通过已有居民区的发展规律预测新居民区的负荷发展。在本专利技术一实施例中，对于两个特性指标相似的居民区而言，需进行负荷异常数据的检验，即若A和B为两个特性指标相似的居民区，对两个居民区分别提取特征，并对A和B建立ARIMA预测模型；若A和B小区的特征相近，则负荷特性也会相近，反之亦然；若出现特征相近，负荷特性相远的情况，则认为出现异常。在本专利技术一实施例中，所述步骤S1的具体实现过程如下：对居民区的特征数据数据做如下处理：区域位置：按照社区、街道给予唯一的编号；占地面积，容积率，总户数，房屋均价，物业费：归一化，使其值域为0~1；开盘时间：转化为与当前时间的时间差，对时间差归一化，使其值域为0~1；建筑类别：将建筑类别分为别墅、洋房、小高层、高层中的一种或多种的组合形态，每种形态给予唯一的编号；教育资源：教育资源分为普通小学数量、重点小学数量、普通初中数量、重点初中数量，权值为别赋予3、3.5、4、4.5，计算后归一化，使其值域为0~1；生活娱乐资源：生活娱乐资源分为银行数量、餐馆数量、电影院数量、商场数量、综合体数量权值为别赋予1、1、5、10、20，计算后归一化，使其值域为0~1；交通出行：交通出行分为公交车、火车站，当公交车线路<5时，值为0；公交车线路>5时，值为0.5；有火车站时值为1；对居民区的特征数据数据进行上述处理后，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K-MEANS聚类分析，完成居民区的类别划分。相较于现有技术，本专利技术具有以下有益效果：本专利技术通过对已有居民区的负荷数据去预测新建小区的负荷或进行已有居民区的负荷异常检测，大大减少工作量，有助于科学的进行供电网的调配，更好的使得供电网经济安全运行。附图说明图1是与本专利技术实施例一致的基于特性指标的预测流程图。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。本专利技术的一种居民区负荷特性及模型预测的归类研究方法，包括如下步骤，S1、建立居民区特征空间，划分类别：根据居民区的特征数据，包括区域位置、占地面积、容积率、总户数、房屋均价、开盘时间、物业费、建筑类别、教育资源、生活娱乐资源、交通出行数据，对该些数据进行处理，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K-MEANS聚类分析，完成居民区的类别划分；S2、建立ARIMA预测模型有效的预测负荷；S3、建立同类型小区负荷预测：对于新居民区，根据已有的特性指标相似的居民区的负荷数据去量化新居民区的负荷指标，并通过已有居民区的发展规律预测新居民区的负荷发展。对于两个特性指标相似的居民区而言，需进行负荷异常数据的检验，即若A和B为两个特性指标相似的居民区，对两个居民区分别提取特征，并对A和B建立ARIMA预测模型；若A和B小区的特征相近，则负荷特性也会相近，反之亦然；若出现特征相近，负荷特性相远的情况，则认为出现异常。所述步骤S1的具体实现过程如下：对居民区的特征数据数据做如下处理：区域位置：按照社区、街道给予唯一的编号；占地面积，容积率，总户数，房屋均价，物业费：归一化，使其值域为0~1；开盘时间：转化为与当前时间的时间差，对时间差归一化，使其值域为0~1；建筑类别：将建筑类别分为别墅、洋房、小高层、高层中的一种或多种的组合形态，每种形态给予唯一的编号；教育资源：教育资源分为普通小学数量、重点小学数量、普通初中数量、重点初中数量，权值为别赋予3、3.5、4、4.5，计算后归一化，使其值域为0~1；生活娱乐资源：生活娱乐资源分为银行数量、餐馆数量、电影院数量、商场数量、综合体数量权值为别赋予1、1、5、10、20，计算后归一化，使其值域为0~1；交通出行：交通出行分为公交车、火车站，当公交车线路<5时，值为0；公交车线路>5时，值为0.5；有火车站时值为1；对居民区的特征数据数据进行上述处理后，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K-MEANS聚类分析，完成居民区的类别划分。以下为本专利技术的具体实现过程。本专利技术的居民区负荷特性及模型预测的归类研究方法，包括以下步骤：（1）建立居民区特征空间，划分类别居民区的特征数据包括：区域位置、占地面积、容积率、总户数、房屋均价、开盘时间、物业费、建筑类别、教育资源、生活娱乐资源、交通出行，对这些数据可以做如下处理：区域位置：按照社区、街道给予唯一的编号；占地面积，总户数，房屋均价，物业费，容积率：归一化，使其值域为0~1；开盘时间：转化为与当前时间的时间差，对时间差归一化，使其值域为0~1；建筑类别：建筑类别可分为别墅、洋房、小高层、高层，总有15种组合形态，每种形态给予唯一的编号；教育资源：教育资源分为普通小学数量、重点小学数量、普通初中数量、重点初中数量，权值为别赋予3、3.5、4、4.5，计算后归一化，使其值域为0~1；生本文档来自技高网...

【技术保护点】
一种居民区负荷特性及模型预测的归类研究方法，其特征在于：包括如下步骤，S1、建立居民区特征空间，划分类别：根据居民区的特征数据，包括区域位置、占地面积、容积率、总户数、房屋均价、开盘时间、物业费、建筑类别、教育资源、生活娱乐资源、交通出行数据，对该些数据进行处理，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K‑MEANS聚类分析，完成居民区的类别划分；S2、建立ARIMA预测模型有效的预测负荷；S3、建立同类型小区负荷预测：对于新居民区，根据已有的特性指标相似的居民区的负荷数据去量化新居民区的负荷指标，并通过已有居民区的发展规律预测新居民区的负荷发展。

【技术特征摘要】
1.一种居民区负荷特性及模型预测的归类研究方法，其特征在于：包括如下步骤，S1、建立居民区特征空间，划分类别：根据居民区的特征数据，包括区域位置、占地面积、容积率、总户数、房屋均价、开盘时间、物业费、建筑类别、教育资源、生活娱乐资源、交通出行数据，对该些数据进行处理，使得每个居民区均由一组数值化的特征表示，而后对各居民区进行K-MEANS聚类分析，完成居民区的类别划分；S2、建立ARIMA预测模型有效的预测负荷；S3、建立同类型小区负荷预测：对于新居民区，根据已有的特性指标相似的居民区的负荷数据去量化新居民区的负荷指标，并通过已有居民区的发展规律预测新居民区的负荷发展。2.根据权利要求1所述的一种居民区负荷特性及模型预测的归类研究方法，其特征在于：对于两个特性指标相似的居民区而言，需进行负荷异常数据的检验，即若A和B为两个特性指标相似的居民区，对两个居民区分别提取特征，并对A和B建立ARIMA预测模型；若A和B小区的特征相近，则负荷特性也会相近，反之亦然；若出现特征相近，负荷特性相远的情况，则认为出现异常。3.根据权利要求1所述的一种居民区负荷特性...

【专利技术属性】
技术研发人员：王峰，赖国书，林女贵，谢志林，钟小强，蓝福胜，蔡高乐，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：福建,35