The invention provides a three-phase imbalance prediction method of power load in common transformer substation area, which can improve the accuracy of prediction results. The method includes: obtaining the historical three-phase power load data of the public substation area, clustering the public substation area, clustering the public substation area with similar characteristics into a cluster; determining the internal and external indicators strongly related to the power load; combining the corresponding historical power load and external indicator data for each cluster to obtain the training set of the corresponding cluster; constructing Based on clstm \u2011 attention, a power load forecasting model is built, and the training set of the corresponding cluster is used to train the power load forecasting model. The trained power load forecasting model adopts the iterative forecasting method to predict the three-phase power load forecasting of a certain public substation area in the corresponding cluster set that has not come to the designated day. According to the predicted three-phase power load, the phase is determined Whether there is three-phase imbalance in the public substation area on the specified day in the future. The invention relates to the field of power system.
【技术实现步骤摘要】
一种公变台区电力负荷三相不平衡预测方法
本专利技术涉及电力系统领域,特别是指一种公变台区电力负荷三相不平衡预测方法。
技术介绍
近年来,随着智能电网、微网的建设与信息技术的发展,使得具有预测以及预警等功能的智能系统的建设备受关注。对于电力市场决策起着关键作用的负荷预测数据愈加庞大和杂乱,准确及时地预测电力负荷在电力系统规划和运行中有重要作用,并且以公变台区为单位的三相电力负荷预测以及三相不平衡的预测对台区配变的安全运行和经济发展产生重要影响。目前,最常规的预测方法是采用传统的机器学习算法进行三相不平衡的预测,没能兼顾外部影响因素和电力负荷自身的时序特性的影响,具有相对较低的准确度。
技术实现思路
本专利技术要解决的技术问题是提供一种公变台区电力负荷三相不平衡预测方法,以解决现有技术所存在的没能兼顾外部影响因素和电力负荷自身的时序特性的影响,导致三相不平衡预测准确度低的问题。为解决上述技术问题,本专利技术实施例提供一种公变台区电力负荷三相不平衡预测方法,包括:获取公变台区的具有时序性的历史三相电力负荷数据,对公变台区进行聚类分析,将特性相似的公变台区聚为一簇;确定与用电负荷强关联的指标,其中,所述指标包括:内部指标和外部指标,用电负荷为内部指标;针对每簇,将其对应的历史电力负荷和外部指标数据进行结合,得到相应簇的训练集;构建基于CLSTM-Attention的电力负荷预测模型,利用得到的相应簇的训练集,对构建的电力负荷预测模型进行训练,训练好的电力负荷 ...
【技术保护点】
1.一种公变台区电力负荷三相不平衡预测方法,其特征在于,包括:/n获取公变台区的具有时序性的历史三相电力负荷数据,对公变台区进行聚类分析,将特性相似的公变台区聚为一簇;/n确定与用电负荷强关联的指标,其中,所述指标包括:内部指标和外部指标,用电负荷为内部指标;/n针对每簇,将其对应的历史电力负荷和外部指标数据进行结合,得到相应簇的训练集;/n构建基于CLSTM-Attention的电力负荷预测模型,利用得到的相应簇的训练集,对构建的电力负荷预测模型进行训练,训练好的电力负荷预测模型采用迭代预测的方式,预测相应簇集合中某公变台区未来指定日的三相电力负荷预测;其中,CLSTM表示卷积神经网络卷积层和长短期记忆网络共同组成的特征提取模块,Attention表示注意力机制;/n根据预测得到的三相电力负荷,确定相应公变台区未来指定日是否出现三相不平衡情况。/n
【技术特征摘要】
1.一种公变台区电力负荷三相不平衡预测方法,其特征在于,包括:
获取公变台区的具有时序性的历史三相电力负荷数据,对公变台区进行聚类分析,将特性相似的公变台区聚为一簇;
确定与用电负荷强关联的指标,其中,所述指标包括:内部指标和外部指标,用电负荷为内部指标;
针对每簇,将其对应的历史电力负荷和外部指标数据进行结合,得到相应簇的训练集;
构建基于CLSTM-Attention的电力负荷预测模型,利用得到的相应簇的训练集,对构建的电力负荷预测模型进行训练,训练好的电力负荷预测模型采用迭代预测的方式,预测相应簇集合中某公变台区未来指定日的三相电力负荷预测;其中,CLSTM表示卷积神经网络卷积层和长短期记忆网络共同组成的特征提取模块,Attention表示注意力机制;
根据预测得到的三相电力负荷,确定相应公变台区未来指定日是否出现三相不平衡情况。
2.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法,其特征在于,所述获取公变台区的具有时序性的历史三相电力负荷数据,对公变台区进行聚类分析,将特性相似的公变台区聚为一簇包括:
获取公变台区的具有时序性的历史三相电力负荷数据,提取每个公变台区每相电力负荷值,确定每个公变台区每相的年平均电力负荷值作为该公变台区该相的聚类样本;
统计所有公变台区的每相的聚类样本作为聚类数据集;
采用K-均值聚类算法对所述聚类数据集进行K-均值聚类,将电力负荷曲线特性相似的公变台区聚为一簇,得到簇集合。
3.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法,其特征在于,所述外部指标包括:温度、相对湿度、日类型中的一个或多个。
4.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法,其特征在于,所述确定与用电负荷强关联的指标包括:
利用灰色关联分析法分析用电负荷与指标之间的关联度,得到与用电负荷强关联的指标。
5.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法,其特征在于,所述针对每簇,将其对应的历史电力负荷和外部指标数据进行结合,得到相应簇的训练集包括:
针对某簇,将聚类得到的该簇内的公变台区的历史三相电力负荷数据与对应的同一相同一时刻的历史外部指标数据进行结合,得到相应簇的训练集。
6.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法,其特征在于,所述构建...
【专利技术属性】
技术研发人员:宋伟,刘刚,高迪,杨峰,王骏,章鹿华,李平舟,王占东,刘欣,史彩琳,
申请(专利权)人:国网冀北电力有限公司运营监测控中心,北京科技大学,
类型:发明
国别省市:北京;11
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。