一种区分待预测日的城市电网短期负荷预测方法及系统技术方案

本发明专利技术提供一种区分待预测日的城市电网短期负荷预测方法及系统，所述方法包括获取每一专变用户的电力负荷数据和气象数据，电力负荷数据包括历史日期预设时间点和历史日期预设时间点的电力负荷，气象数据包括历史日期以及历史日期的气象特征；根据待预测日在预设历史日期中选择相似日；建立模型，利用模型根据相似日预设时间点、相似日预设时间点的电力负荷、相似日对应的日最高气温、日最低气温和日相对湿度，计算待预测日预设时间点的电力负荷。本发明专利技术通过取得历史数据，根据待预测日对历史日期进行分类计算得到待预测日的电力负荷，解决了现有技术下单一预测模型有局限，预测精度不够的问题。

A Short-term Load Forecasting Method and System for Urban Power Grid Distinguishing Prediction Dates

The present invention provides a short-term load forecasting method and system for urban power network, which distinguishes the days to be forecasted. The method includes acquiring power load data and meteorological data of each transformer user. The power load data includes the power load of the historical date preset time point and the historical date preset time point, and the meteorological data includes the meteorological characteristics of the historical date and the historical date. Similar days are selected in the predicted historical dates; a model is established to calculate the power load at the preset time points of the predicted days according to the preset time points of the similar days, the power load at the preset time points of the similar days, the daily maximum temperature, the daily minimum temperature and the daily relative humidity corresponding to the similar days. By obtaining historical data and classifying and calculating the historical date according to the date to be predicted, the electric load of the day to be predicted is obtained, which solves the problem that the single prediction model under the existing technology has limitations and the prediction accuracy is insufficient.

【技术实现步骤摘要】
一种区分待预测日的城市电网短期负荷预测方法及系统
本专利技术涉及大数据
，尤其涉及一种区分待预测日的城市电网短期负荷预测方法及系统。
技术介绍
城市电网短期负荷预测目前已经有很多种做法。常见的算法包括时间序列、神经网络、多元线性回归、以及使用小波分析方法的多种算法的组合，甚至还有结合遗传算法、粒子群优化来做短期负荷预测的。这些做法都是针对片面的数据，能够取得不错的效果，然而影响电力系统负荷的因素较多，单一预测模型各有自身的局限，使得许多信息不能充分有限地利用，预测精度也不能让人满意。
技术实现思路
为解决上述技术问题，本专利技术提供一种区分待预测日的城市电网短期负荷预测方法及系统。本专利技术提供的一种区分待预测日的城市电网短期负荷预测方法，所述方法包括：获取每一专变用户的电力负荷数据和气象数据，所述电力负荷数据包括历史日期预设时间点和所述历史日期预设时间点的电力负荷，所述气象数据包括历史日期以及所述历史日期的气象特征，所述气象特征包括日最高气温、日最低气温和日相对湿度；根据待预测日在预设历史日期中选择相似日；建立模型，利用所述模型根据相似日预设时间点、相似日预设时间点的电力负荷、相似日对应的日最高气温、日最低气温和日相对湿度，计算待预测日预设时间点的电力负荷。进一步地，所述根据待预测日在预设历史日期中选择相似日具体包括：判断所述待预测日的类型，所述待预测日的类型包括正常日和法定节假日；当待预测日的类型为正常日时，识别出星期负荷模式和待预测日星期类型；根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。进一步地，所述方法包括：当待预测日的类型为法定节假日时，在第二预设历史日期中选取多个与待预测日同一类型节假日为相似日集合；判断每一与待预测日同一类型节假日的工作模式是否为休假负荷模式；根据每一与待预测日同一类型节假日的工作模式，确定待预测日的工作模式；当确定待预测日的工作模式为休假负荷模式时，选择工作模式为休假负荷模式的同一类型节假日作为相似日；当确定待预测日的工作模式不为休假负荷模式时，识别出星期负荷模式和待预测日星期类型；根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。进一步地，所述判断每一与待预测日同一类型节假日的工作模式是否为休假负荷模式具体包括：当每一与待预测日同一类型节假日的工作模式均为休假负荷模式，确定待预测日的工作模式为休假负荷模式；当每一与待预测日同一类型节假日的工作模式并非均为休假负荷模式，根据上一年度与待预测日同一类型节假日的电力负荷平均值和每一与待预测日同一类型节假日的电力负荷平均值的最大值进行比较，确定待预测日的工作模式是否为休假负荷模式。进一步地，所述根据待预测日在预设历史日期中选择相似日还包括：将电力负荷数据小于等于0或者小于第一预设负荷阈值确定为第二伪数据；将电力负荷数据与上一预设时间点或者下一预设时间点的电力负荷数据差值绝对值大于第二预设负荷阈值，则确定所述电力负荷数据为异常数据；将所述电力负荷数据中的伪数据和异常数据置为缺失值，对所述缺失值进行填充。进一步地，所述根据待预测日在预设历史日期中选择相似日还包括：按照预设月份将一年划分成四季；将第m个季节和第k个气象特征的时间序列标记为QTmk＝(umk1,umk2....umki)，其中umki为第m个季节第k个气象特征第i日的气象特征值，所述m＝1,2,3,4；所述k＝1,2,3；所述i＝1,2,...n，n为第m个季节第k个气象特征的历史数据个数；计算QTmk的四分之三分位数(QTmk[3])和四分之一分位数(QTmk[1])确定各气象特征在不同季节的异常阈值，所述异常阈值upQTmk＝QTmk[3]+1.5*(QTmk[3]-QTmk[1])，所述异常阈值下限downQTmk＝max(min(QTk),QTmk[1]-1.5*(QTmk[3]-QTmk[1]))；所述min(QTk)为第k个气象特征的最小值；将umki与upQTmk和downQRmk进行对比，如果umki＞upQTmk或umki＜updownQTmk，则将umki视为异常数据；将所述异常数据置为缺失值，对所述缺失值进行填充。本专利技术提供的一种区分待预测日的城市电网短期负荷预测系统，所述系统包括：获取模块，用于获取每一专变用户的电力负荷数据和气象数据，所述电力负荷数据包括历史日期预设时间点和所述历史日期预设时间点的电力负荷，所述气象数据包括历史日期以及所述历史日期的气象特征，所述气象特征包括日最高气温、日最低气温和日相对湿度；选择模块，用于根据待预测日在预设历史日期中选择相似日；计算模块，用于建立模型，利用所述模型根据相似日预设时间点、相似日预设时间点的电力负荷、相似日对应的日最高气温、日最低气温和日相对湿度，计算待预测日预设时间点的电力负荷。进一步地，所述选择模块包括：第一判断单元，用于判断所述待预测日的类型，所述待预测日的类型包括正常日和法定节假日；识别单元，用于当待预测日的类型为正常日时，识别出星期负荷模式和待预测日星期类型；第一选择单元，用于根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。进一步地，所述选择模块还包括：第二选择单元，用于当待预测日的类型为法定节假日时，在第二预设历史日期中选取多个与待预测日同一类型节假日为相似日集合；第二判断单元，用于判断每一与待预测日同一类型节假日的工作模式是否为休假负荷模式；确定单元，用于根据每一与待预测日同一类型节假日的工作模式，确定待预测日的工作模式；第三选择单元，用于当确定待预测日的工作模式为休假负荷模式时，选择工作模式为休假负荷模式的同一类型节假日作为相似日；第四选择单元，用于当确定待预测日的工作模式不为休假负荷模式时，识别出星期负荷模式和待预测日星期类型；根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。进一步地，所述第二判断单元具体用于：当每一与待预测日同一类型节假日的工作模式均为休假负荷模式，确定待预测日的工作模式为休假负荷模式；当每一与待预测日同一类型节假日的工作模式并非均为休假负荷模式，根据上一年度与待预测日同一类型节假日的电力负荷平均值和每一与待预测日同一类型节假日的电力负荷平均值的最大值进行比较，确定待预测日的工作模式是否为休假负荷模式。实施本专利技术，具有如下有益效果：本专利技术通过获取专变用户的电力负荷数据和气象数据，对待预测日进行分类，基于上述专变的电力负荷数据、气象数据以及分类，计算待预测日预设时间点的电力负荷，解决了现有技术导致的单一预测模型有局限，预测精度不够的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的区分待预测日的城市电网短期负荷预测方法的流程图。图2是本专利技术实施例提供的根据待预测日在预设历史日期中选择相似日方法的流程图。图3是本专利技术实施例提供的建立模型计算待预测日预设时间本文档来自技高网...

【技术保护点】
1.一种区分待预测日的城市电网短期负荷预测方法，所述方法包括：步骤S11、获取每一专变用户的电力负荷数据和气象数据，所述电力负荷数据包括历史日期预设时间点和所述历史日期预设时间点的电力负荷，所述气象数据包括历史日期以及所述历史日期的气象特征，所述气象特征包括日最高气温、日最低气温和日相对湿度；步骤S12、根据待预测日在预设历史日期中选择相似日；步骤S13、建立模型，利用所述模型根据相似日预设时间点、相似日预设时间点的电力负荷、相似日对应的日最高气温、日最低气温和日相对湿度，计算待预测日预设时间点的电力负荷。

【技术特征摘要】
1.一种区分待预测日的城市电网短期负荷预测方法，所述方法包括：步骤S11、获取每一专变用户的电力负荷数据和气象数据，所述电力负荷数据包括历史日期预设时间点和所述历史日期预设时间点的电力负荷，所述气象数据包括历史日期以及所述历史日期的气象特征，所述气象特征包括日最高气温、日最低气温和日相对湿度；步骤S12、根据待预测日在预设历史日期中选择相似日；步骤S13、建立模型，利用所述模型根据相似日预设时间点、相似日预设时间点的电力负荷、相似日对应的日最高气温、日最低气温和日相对湿度，计算待预测日预设时间点的电力负荷。2.如权利要求1所述的方法，其特征在于，步骤S12包括：判断所述待预测日的类型，所述待预测日的类型包括正常日和法定节假日；当待预测日的类型为正常日时，识别出星期负荷模式和待预测日星期类型；根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。3.如权利要求2所述的方法，其特征在于，所述方法还包括：当待预测日的类型为法定节假日时，在第二预设历史日期中选取多个与待预测日同一类型节假日为相似日集合；判断每一与待预测日同一类型节假日的工作模式是否为休假负荷模式；根据每一与待预测日同一类型节假日的工作模式，确定待预测日的工作模式；当确定待预测日的工作模式为休假负荷模式时，选择工作模式为休假负荷模式的同一类型节假日作为相似日；当确定待预测日的工作模式不为休假负荷模式时，识别出星期负荷模式和待预测日星期类型；根据所述星期负荷模式和所述待预测日星期类型，在第一预设历史日期中选择所述待预测日的相似日。4.如权利要求3所述的方法，其特征在于，判断每一与待预测日同一类型节假日的工作模式是否为休假负荷模式具体包括：当每一与待预测日同一类型节假日的工作模式均为休假负荷模式，确定待预测日的工作模式为休假负荷模式；当每一与待预测日同一类型节假日的工作模式并非均为休假负荷模式，根据上一年度与待预测日同一类型节假日的电力负荷平均值和每一与待预测日同一类型节假日的电力负荷平均值的最大值进行比较，确定待预测日的工作模式是否为休假负荷模式。5.如权利要求1所述的方法，其特征在于，所述步骤S12之前还包括：将连续预设个数的电力负荷数据相同确定为第一伪数据；将电力负荷数据小于等于0或者小于第一预设负荷阈值确定为第二伪数据；将电力负荷数据与上一预设时间点或者下一预设时间点的电力负荷数据差值绝对值大于第二预设负荷阈值，则确定所述电力负荷数据为异常数据；将所述电力负荷数据中的伪数据和异常数据置为缺失值，对所述缺失值进行填充。6.如权利要求1所述的方法，其特征在于，所述步骤S12之前还包括：按照预设月份将一年划分成四季；将第m个季节和第k个气象特征的时间序列标记为QTmk＝(umk1,umk2....umki)，其中umki为第m个季节第k个气象特征第i日的气象特征值，所述m＝1,2,3,4；所述k＝1,2,3；所述i＝1,2,...n，n...

【专利技术属性】
技术研发人员：赵少东，王程斯，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：广东,44