一种区域电力饱和负荷预测方法及系统技术方案

本申请公开了一种区域电力饱和负荷预测方法及系统，该方法包括：对影响电力负荷的所有负荷影响因素和电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素，根据历史数据，利用Logistic回归模型，对这些负荷影响因素进行Logistic曲线拟合，确定其预测值，根据该预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值；根据用电量预测值和最大负荷预测值，确定当前区域的电力饱和时期以及饱和规模。该系统包括相关性分析模块、负荷影响因素预测值确定模块、饱和负荷预测模块以及预测结果获取模块。通过本申请，能够提高负荷预测的准确性，降低负荷预测的复杂度，有利于推广使用。

A Method and System for Predicting Saturated Load of Regional Electric Power

【技术实现步骤摘要】
一种区域电力饱和负荷预测方法及系统
本申请涉及电力负荷预测与分析
，特别是涉及一种区域电力饱和负荷预测方法及系统。
技术介绍
在电力行业，一方面，当社会发展到一定阶段，受人口、经济、资源以及环境等条件的限制，区域电量和负荷增势会减缓，直至趋于饱和状态。另一方面，随着城市建设和改造力度的加大，电网建设的压力逐渐增加，从而导致电网规划的复杂性和迫切性之间的矛盾日益突出。因此，对区域电力饱和负荷进行预测和分析，确定电网的最佳规模，从而确保电力系统安全和经济地运行，对于促进电网建设和城市协调发展，具有重要意义。目前对区域电力饱和负荷进行预测的方法，通常包括三类：第一种是以弹性系数法、人家用电量指标换算法以及负荷密度法为主的经典预测方法；第二种是以回归分析法、趋势外推法为主的传统预测方法；第三种是以灰色预测法、小波分析法以及神经网络法为主的新型预测方法。然而，目前的三类预测方法，均为单一预测方法，即：均采用单一的预测方法来进行饱和负荷预测，导致电力负荷预测过程太复杂，且预测结果的准确性不够高。
技术实现思路
本申请提供了一种区域电力饱和负荷预测方法及系统，以解决现有技术中的电力饱和负荷预测方法单一，以及负荷预测的复杂性高且准确性较低的问题。为了解决上述技术问题，本申请实施例公开了如下技术方案：一种区域电力饱和负荷预测方法，所述方法包括：对影响电力负荷的所有负荷影响因素和电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素；根据所述可作为预测模型输入变量的负荷影响因素的历史数据，利用Logistic回归模型对所述可作为预测模型输入变量的负荷影响因素进行Logistic曲线拟合，确定所述可作为预测模型输入变量的负荷影响因素的预测值，其中，y表示负荷影响因素的预测值，k表示各负荷影响因素未来的饱和值，t表示时间，e为常数，k,a,b为常数，且k>0,a>0,b>0；根据所述可作为预测模型输入变量的负荷影响因素的预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值；根据所述用电量预测值和最大负荷预测值，确定当前区域的电力饱和时期以及饱和规模。可选地，所述对影响电力负荷的所有负荷影响因素进行相关性分析，确定可作为预测模型输入变量的负荷影响因素，包括：获取与电力负荷相关的所有负荷影响因素，所述所有负荷影响因素包括：区域内的人均GDP、区域内的人均收入、区域内常驻人口数量、产业结构以及气象条件；分别对所有负荷影响因素中的任一负荷影响因素和电力负荷之间进行相关性分析；判断所述任一负荷影响因素与电力负荷之间的相关性是否大于等于设定的相关性阈值；如果是，将所述任一负荷影响因素作为预测模型的输入变量；如果否，将所述任一负荷影响因素剔除。可选地，所述相关性阈值为皮尔森相关系数阈值，且所述相关性阈值为0.5。可选地，根据所述可作为预测模型输入变量的负荷影响因素的预测值，利用LSSVM(LeastSquareSupportVectorMachines，最小二乘支持向量机)模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值的方法，包括：利用ALO(AntLionOptimizer，蚁狮优化算法)算法，对LSSVM模型中的参数C和σ2进行优化，获取优化后的LSSVM模型；将所述可作为预测模型输入变量的负荷影响因素的预测值作为测试样本，输入所述优化后的LSSVM模型中，获取用电量预测值以及最大负荷预测值。可选地，所述LSSVM模型的核函数为RBF(RadialBasisFunction，径向基)核函数。一种区域电力饱和负荷预测系统，所述系统包括：相关性分析模块，用于对影响电力负荷的所有负荷影响因素和电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素；负荷影响因素预测值确定模块，用于根据所述可作为预测模型输入变量的负荷影响因素的历史数据，利用Logistic回归模型对所述可作为预测模型输入变量的负荷影响因素进行Logistic曲线拟合，确定所述可作为预测模型输入变量的负荷影响因素的预测值，其中，y表示负荷影响因素的预测值，k表示各负荷影响因素未来的饱和值，t表示时间，e为常数，k,a,b为常数，且k>0,a>0,b>0；饱和负荷预测模块，用于根据所述可作为预测模型输入变量的负荷影响因素的预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值；预测结果获取模块，用于根据所述用电量预测值和最大负荷预测值，确定当前区域的电力饱和时期以及饱和规模。可选地，所述相关性分析模块，包括：负荷影响因素获取单元，用于获取与电力负荷相关的所有负荷影响因素，所述所有负荷影响因素包括：区域内的人均GDP、区域内的人均收入、区域内常驻人口数量、产业结构以及气象条件；分析单元，用于分别对所有负荷影响因素中的任一负荷影响因素和电力负荷之间进行相关性分析；判断单元，用于判断所述任一负荷影响因素与电力负荷之间的相关性是否大于等于设定的相关性阈值；处理单元，用于当所述任一负荷影响因素与电力负荷之间的相关性大于等于设定的相关性阈值时，将所述任一负荷影响因素作为预测模型的输入变量，否则，将所述任一负荷影响因素剔除。可选地，所述饱和负荷预测模块，包括：参数优化单元，用于利用ALO算法，对LSSVM模型中的参数C和σ2进行优化，获取优化后的LSSVM模型；用电量和最大负荷预测单元，用于将所述可作为预测模型输入变量的负荷影响因素的预测值作为测试样本，输入所述优化后的LSSVM模型中，获取用电量预测值以及最大负荷预测值。本申请的实施例提供的技术方案可以包括以下有益效果：本申请提供一种区域电力饱和负荷预测方法，该方法首先对影响电力负荷的影响因素与电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素；然后根据这些负荷影响因素的历史数据，利用Logistic回归模型，对这些负荷影响因素进行Logistic曲线拟合，确定这些负荷影响因素的预测值；根据这些负荷影响因素的预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值，根据这些预测结果来判断当前区域最终的饱和时期以及饱和规模，从而实现区域电力饱和负荷预测。本实施例通过相关性分析，能够在电力负荷影响因素的筛选中剔除掉影响程度较小的因素，仅保留影响程度较大的因素，并对这些影响因素较大的因素利用Logistic回归获取其未来的发展趋势，有利于提高负荷预测的准确性。而且本实施例将传统的Logistic预测方法与智能算法LSSVM模型相结合，LSSVM模型简化、求解快速且稳定性好，能够避免传统的Logistic曲线模型直接预测导致饱和负荷收敛性较差，以及预测精度不够高的问题，有利于提高预测结果的准确性。另外，本实施例中利用ALO算法对LSSVM模型中的参数C和σ2进行优化，从而使LSSVM模型的参数达到最优值，有利于进一步提高负荷预测的精度和准确性。本申请还提供一种区域电力饱和负荷预测系统，该系统主要包括：相关性分析模块、负荷影响因素预测值确定模块、饱和负荷预测模块以及预测结果获取模块四部分。通过相关性分析模块，能够确定可作为预测模型输入变量的负荷影响因素，从而在本文档来自技高网...

【技术保护点】
1.一种区域电力饱和负荷预测方法，其特征在于，所述方法包括：对影响电力负荷的所有负荷影响因素和电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素；根据所述可作为预测模型输入变量的负荷影响因素的历史数据，利用Logistic回归模型

【技术特征摘要】
1.一种区域电力饱和负荷预测方法，其特征在于，所述方法包括：对影响电力负荷的所有负荷影响因素和电力负荷之间进行相关性分析，确定可作为预测模型输入变量的负荷影响因素；根据所述可作为预测模型输入变量的负荷影响因素的历史数据，利用Logistic回归模型对所述可作为预测模型输入变量的负荷影响因素进行Logistic曲线拟合，确定所述可作为预测模型输入变量的负荷影响因素的预测值，其中，y表示负荷影响因素的预测值，k表示各负荷影响因素未来的饱和值，t表示时间，e为常数，k,a,b为常数，且k>0,a>0,b>0；根据所述可作为预测模型输入变量的负荷影响因素的预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值；根据所述用电量预测值和最大负荷预测值，确定当前区域的电力饱和时期以及饱和规模。2.根据权利要求1所述的一种区域电力饱和负荷预测方法，其特征在于，所述对影响电力负荷的所有负荷影响因素进行相关性分析，确定可作为预测模型输入变量的负荷影响因素，包括：获取与电力负荷相关的所有负荷影响因素，所述所有负荷影响因素包括：区域内的人均GDP、区域内的人均收入、区域内常驻人口数量、产业结构以及气象条件；分别对所有负荷影响因素中的任一负荷影响因素和电力负荷之间进行相关性分析；判断所述任一负荷影响因素与电力负荷之间的相关性是否大于等于设定的相关性阈值；如果是，将所述任一负荷影响因素作为预测模型的输入变量；如果否，将所述任一负荷影响因素剔除。3.根据权利要求1所述的一种区域电力饱和负荷预测方法，其特征在于，所述相关性阈值为皮尔森相关系数阈值，且所述相关性阈值为0.5。4.根据权利要求1所述的一种区域电力饱和负荷预测方法，其特征在于，根据所述可作为预测模型输入变量的负荷影响因素的预测值，利用LSSVM模型进行区域饱和负荷预测，获取用电量预测值以及最大负荷预测值的方法，包括：利用ALO算法，对LSSVM模型中的参数C和σ2进行优化，获取优化后的LSSVM模型；将所述可作为预测模型输入变量的负荷影响因素的预测值作为测试样本，输入所述优化后的LSSVM模型中，获取用电量预测值以及最大负荷预测值。5.根据权利要求1-4中任一所述的一种...

【专利技术属性】
技术研发人员：薛万磊，郭森，吴健，赵昕，徐楠，王春义，卢兆军，杨雍琦，谢红涛，刘晓明，李兵抗，赵会茹，赵浩然，张士营，李晨辉，侯庆旭，刘知凡，李校莹，
申请(专利权)人：国网山东省电力公司经济技术研究院，山东智源电力设计咨询有限公司，国家电网有限公司，
类型：发明
国别省市：山东,37