一种用户负荷短期预测方法和装置制造方法及图纸

本申请实施例公开了一种用户负荷短期预测方法和装置，方法包括：对用户进行分类，根据用户的用电平稳性和温度敏感性，将用户分为用电平稳性好、用电平稳性差、温度敏感性低和温度敏感性高四类；对四类用户均采用若干种预测模型进行预测，选择效率最高的预测模型作为当前种类用户的主要预测模型；分别对四类用户采用对应的主要预测模型进行负荷短期预测。上述方法根据用户用电特性进行用户分类，然后选择适应该类用户特性的负荷预测算法进行预测，避免了单一负荷预测方法应用于不同特性用户时预测精度降低的情况，同时具有预测速度快的特点，解决了目前负荷预测领域针对大量的用户负荷难以同时保证高精度和高速度的预测结果的问题。

A short-term forecasting method and device for user load

【技术实现步骤摘要】
一种用户负荷短期预测方法和装置
本申请涉及用电负荷预测
，尤其涉及一种用户负荷短期预测方法和装置。
技术介绍
对于电力市场需求分析来说，电力系统短期负荷预测具有重要的作用，其不仅为电力系统的安全、经济运行提供保障，也是市场环境下制定调度计划、需求响应机制、交易计划的基础。准确的用电预测，可以经济合理的安排电网内部机组的启停，保持电网运行的安全稳定性，有利于市场竞争机制的推广，促进电力市场的进一步改革，从而在保证社会的正常生活和生产活动的前提下，推动电力系统供需友好互动，从而提高经济效益和社会效益。然而，目前负荷预测领域针对大量的用户负荷难以保持高精度预测结果，为了提高负荷预测精度，大部分负荷预测算法在一定程度上牺牲了预测时间，预测模型花费较多的时间进行模型的训练，占用了较多的运算资源。
技术实现思路
本申请实施例提供了一种用户负荷短期预测方法和装置，解决目前负荷预测领域针对大量的用户负荷难以同时保证高精度和高速度的预测结果的问题有鉴于此，本申请第一方面提供了一种用户负荷短期预测方法，所述方法包括：对用户本文档来自技高网...

【技术保护点】
1.一种用户负荷短期预测方法，其特征在于，包括：/n对用户进行分类，根据用户的用电平稳性和温度敏感性，将用户分为用电平稳性好、用电平稳性差、温度敏感性低和温度敏感性高四类；/n对四类用户均采用若干种预测模型进行预测，选择效率最高的预测模型作为当前种类用户的主要预测模型；/n分别对四类用户采用对应的主要预测模型进行负荷短期预测。/n

【技术特征摘要】
1.一种用户负荷短期预测方法，其特征在于，包括：
对用户进行分类，根据用户的用电平稳性和温度敏感性，将用户分为用电平稳性好、用电平稳性差、温度敏感性低和温度敏感性高四类；
对四类用户均采用若干种预测模型进行预测，选择效率最高的预测模型作为当前种类用户的主要预测模型；
分别对四类用户采用对应的主要预测模型进行负荷短期预测。


2.根据权利要求1所述的用户负荷短期预测方法，其特征在于，在对用户进行分类之前，还包括：
采集用户的历史负荷数据和对应日期的温度数据；
基于所述历史负荷数据和所述温度数据，采用聚类分析法对用户进行辨识，确定用户的用电平稳性和温度敏感性。


3.根据权利要求1所述的用户负荷短期预测方法，其特征在于，所述分别对四类用户采用对应的主要预测模型进行负荷短期预测具体为：
针对用电平稳性好、用电平稳性差、温度敏感性低和温度敏感性高的四类用户，分别采用改进支持向量机预测模型、多模型模糊综合模型、聚类LSTM预测模型和负荷分区预测模型进行负荷短期预测。


4.根据权利要求3所述的用户负荷短期预测方法，其特征在于，所述多模型模糊综合预测模型包括：
采用基于聚类的负荷模式分析算法，得到反映用户负荷模式特点的典型负荷模式，并依据样本到质心的距离对各典型负荷模式进行分组；
基于神经网络学习算法，建立神经网络与各典型负荷模式分组对应的单元子预测模型；
根据待预测时刻输入和各单元子预测模型相对应的典型负荷模式类相应输入之间的相似度，分析并确定单元子预测模型的权重；
将各单元子预测模型的权重和预测值的乘积相加，得到多模型模糊综合预测结果。


5.根据权利要求1所述的用户负荷短期预测方法，其特征在于，所述分别对四类用户采用对应的主要预测模型进行负荷短期预测之后，还包括：
将预测结果存入数据库和/或进行图形化展示。

【专利技术属性】
技术研发人员：卢世祥，林国营，冯小峰，阙华坤，陈亮，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司计量中心，
类型：发明
国别省市：广东;44