【技术实现步骤摘要】
一种孤岛区域电力负荷预测方法及系统
本专利技术涉及电力工程
，尤其涉及一种孤岛区域电力负荷预测方法及系统。
技术介绍
电力系统负荷是电力系统中重要的一部分，准确的负荷预测有助于保障电力系统的安全稳定运行，电力负荷的分析预测与控制管理是实现电力有序化管理的重要环节，也是能源互联网系统中能源优化的组成部分。由于电力系统负荷在一定的条件下存在着比较明显的趋势，比如农业用电，具有一定的规律性，这种规律性可以是线性或者非线性的、周期性或者非周期性的，因此现有的电力负荷预测方法大多是通过对过往数据进行基于经验的算法比对，预测结果不够准确。此外，电力负荷存在着多种影响因素，因此现有的电力负荷预测方法预测的结果并不理想。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种孤岛区域电力负荷预测方法及系统。本专利技术解决上述技术问题的技术方案如下：一种孤岛区域电力负荷预测方法，包括：步骤1，获取需要预测的孤岛区域的电力的历史数据，对所述历史数据进行提取核主成分分析；步骤2，利用花粉算法对所述神经网络模型的参数进行优化，训练得到所述孤岛区域电力负荷预测的神经网络模型；步骤...
【技术保护点】
1.一种孤岛区域电力负荷预测方法，其特征在于，所述方法包括：步骤1，获取需要预测的孤岛区域的电力的历史数据，对所述历史数据进行提取核主成分分析；步骤2，利用花粉算法对所述神经网络模型的参数进行优化，训练得到所述孤岛区域电力负荷预测的神经网络模型；步骤3，将提取核主成分后的所述历史数据输入所述神经网络模型进行电力负荷预测。
【技术特征摘要】
1.一种孤岛区域电力负荷预测方法，其特征在于，所述方法包括：步骤1，获取需要预测的孤岛区域的电力的历史数据，对所述历史数据进行提取核主成分分析；步骤2，利用花粉算法对所述神经网络模型的参数进行优化，训练得到所述孤岛区域电力负荷预测的神经网络模型；步骤3，将提取核主成分后的所述历史数据输入所述神经网络模型进行电力负荷预测。2.根据权利要求1所述的方法，其特征在于，所述步骤1中获取需要预测的孤岛区域电力的历史数据包括：需要预测的孤岛区域的最高温度、平均温度、最低温度、季节类型、月份、降水状况、日类型、风速、湿度、预测日当天前3个时刻的负荷值以及预测日前5天同一时刻的负荷值。3.根据权利要求1所述的方法，其特征在于，所述步骤1中对所述历史数据进行提取核主成分分析之前还包括对所述历史数据进行归一化处理：其中，xi为所述历史数据中第i个负荷数据的当前值，xmin和xmax分别为所述历史数据中的负荷数据中的最小值和最大值。4.根据权利要求3所述的方法，其特征在于，所述步骤1中对所述历史数据进行归一化处理后，对所述历史数据进行提取核主成分分析的过程包括：步骤101，将所述历史数据中m个样本的n个指标，写成一个m×n维的数据矩阵A；步骤102，确定核函数及相关参数，计算核矩阵Kuv：Kuv≡(Φ(xu)·Φ(xv))；步骤103，修正所述核矩阵Kuv：M为样本空间的大小；步骤104，计算所述核矩阵Kuv的特征值λ1,λ2,…,λn以及特征向量v1,v2,…,vn；步骤105，对所述特征值λ1,λ2,…,λn和所述特征向量v1,v2,…,vn分别按照降序的方式排序得到λ′1＞λ′2＞…＞λ′n和v′1,v'2,…,v'n；步骤106，把所述特征向量单位正交化，得到α1,α2,…,αn；步骤107，计算所述特征值λ1,λ2,…,λn的累积贡献率B1,B2,…,Bn，根据设定的提取率p，当Bt≥p，则选取t和主分量α1,α2,…,αt；步骤108，计算样本X在α1,α2,…,αt上的投影Y，Y＝Kuv·α。5.根据权利要求1所述的方法，其特征在于，所述步骤1中创建的孤岛区域电力负荷预测的神经网络模型为BP神经网络模型；提取出主要成分得到所述BP神经网络模型的参数包括：神经网络层数、各层节点数、隐层、输出层的传递函数及训练函数。6.根据权利要求5...
【专利技术属性】
技术研发人员：陈启明，刘辉，吕在生，丁坦，赵红，刘雨薇，万英杰，
申请(专利权)人：武汉四创自动控制技术有限责任公司，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。