一种网格用户短期负荷预测实时处理工具制造技术

本发明专利技术公开了一种网格用户短期负荷预测实时处理工具，执行如下步骤：步骤S1：自动识别用户或电站；步骤S2：建立数据仓库；步骤S3：预处理，对负荷数据进行预处理，异常的负荷数据包括噪声和缺失值；步骤S4：标准化处理，对原始数据的线性变换，使结果落到[0,1]区间；步骤S5：训练模型和检验误差；步骤S6：在线展示，将数据库的预测数据显示出来。本发明专利技术采用大数据ODPS引擎和人工智能技术对大规模数据的处理，做到实时处理，实时挖掘，实时分析，实时学习和建模，实时给出预测结果。

A real-time processing tool for short-term load forecasting of grid users

【技术实现步骤摘要】
一种网格用户短期负荷预测实时处理工具
本专利技术属于电力信息化
，具体涉及负荷预测技术。
技术介绍
由于电能的无法存储特性，负荷的规模与特性严重影响着电力系统的设计和运行。电力系统负荷预测会影响电力系统的充裕性评估，电价制定和用户用电情况。精确的电力系统负荷预测能增强供电网络运行的安全性和可靠性。随着负荷随机性、不确定性不断增加，单纯依赖机理建模的传统方法难以满足预测精度的要求，需要探索新的解决方法，且随着科学技术的发展，数据的采集和处理成本逐年降低，海量历史数据的获取变得可能；随着人工智能技术的发展，模型对数据的消纳能力逐渐增强，采用合适的数据驱动模型，可以有效学习数据中蕴含的规律。当今社会中，随着传感器技术，实时监测与数据存储技术的飞速发展，电力数据量和复杂度也呈指数增长，这一现象在用户侧尤为突出。如何挖掘用户侧海量数据的价值，对大量数据进行高效合理的应用成为当今智能电网时代下亟待解决的问题。负荷预测基于电力负荷历史数据，通过研究负荷数据自身的相关性及变化情况，社会条件以及其他自然情况(如温度，降雨，风速)之间的内在联系，探索出负荷的发展规律，从而对未来某一时间段的负荷数据进行预测的方法。传统的负荷预测方法难以应对更大的数据量和更强的随机性。(1)精度低。负荷预测影响因素多，仅仅考虑单一变量对负荷的影响导致预测精度低。传统方法无法挖掘多因素多变量下对负荷变化的影响。无法建立更加精细化的负荷预测模型。(2)效率低。传统的负荷预测技术对大规模数据处理和挖掘分析时间往往比较长，负荷预测速度慢。(3)成本高。传统的负荷预测，需要专家做大量的调研工作，因此依赖大量的人力物力资源导致成本特别高。
技术实现思路
针对现有技术所存在的不足，本专利技术所要解决的技术问题就是提供一种网格用户短期负荷预测实时处理工具，实现基于ODPS引擎实时对未来几天负荷做出预测，提高预测效率和准确率。为解决上述技术问题，本专利技术采用如下技术方案：一种网格用户短期负荷预测实时处理工具，执行如下步骤：步骤S1：自动识别用户或电站，根据输入的用户或电站自动识别该用户或电站所在区域的经纬度和基本信息；步骤S2：建立数据仓库，将该用户或电站的基本信息通过相应的数据接口去营销系统、用电信息采集系统、配网系统去获取相应的负荷历史数据，同时获得当地的人口密度和经济状况数据，去气象局获取相应的历史天气状况和未来天气状况预报数据，导入到ODPS数据仓库；步骤S3：预处理，对负荷数据进行预处理，异常的负荷数据包括噪声和缺失值；步骤S4：标准化处理，对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：其中max为样本数据的最大值，min为样本数据的最小值；步骤S5：训练模型和检验误差，判断该用户或电站是否是首次训练，如果不是则加载已经保存的训练模型，如果是则随机初始化权值和阈值矩阵，然后输入样本，经过神经网络短期负荷预测进行训练，验证产生的误差是否在允许的范围内，如果在允许的范围内则保存模型参数且输出结果到数据库，否则通过dam优化器修正权重，重复执行直到满足条件后结束；步骤S6：在线展示，将数据库的预测数据显示出来。优选的，对异常值类型建立时间序列上的预处理模型：式中，y(t)表示当前的负荷序列，x(t)表示不包含异常值的负荷序列，n为异常值个数，ωi和α(j)表示负荷异常值的影响因子，It(T)表示的是t时刻的脉冲函数。优选的，对于数据仓库中的缺失值，根据用电负荷的波动周期特性，计算前后相邻两日相同时间点的负荷以及当前时刻的前后两个时间点的负荷的均值，和后一日相对前一日的负荷变化率法，以均值加上负荷变化量填充空缺值。优选的，步骤S5中，误差的验证通过均方根误差和平均绝对误差。本专利技术采用上述技术方案，具有如下有益效果：(1)结合了当地天气状况(温度，云况，湿度，风速)，当地经济状况，人口密度等因素对负荷的影响，建立起多因素多变量的负荷预测精细化模型，明显提升了负荷预测的精度。(2)采用大数据ODPS引擎和人工智能技术对大规模数据的处理，做到实时处理，实时挖掘，实时分析，实时学习和建模，实时给出预测结果。(3)改变了原有人员的工作模式，大幅减少了电力系统人员的调研工作量。本工具将部分日常人工工作交给计算机完成，显著减少了预测工作量，明显提高了工作效率，降低了预测成本。本专利技术的具体技术方案及其有益效果将会在下面的具体实施方式中结合附图进行详细的说明。附图说明下面结合附图和具体实施方式对本专利技术作进一步描述：图1为本专利技术的工作流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术选择某一用户或电站作为参数输入，参考图1所示一种网格用户短期负荷预测实时处理工具，执行如下步骤：第一步，自动识别用户或电站。采用自动识别算法，根据输入的用户或电站自动识别该用户或电站所在区域的经纬度和基本信息。对于基本信息，如果是电站可以识别出电站类型(如火电站，水电站，光伏电站等)，容量。如果是用户，则可以识别出用户类型(如专变用户，公变用户等)，用电类型(商业用电，居民用电，工业用电等)。第二步，建立数据仓库。将该用户或电站的基本信息通过相应的数据接口去营销系统，用电信息采集系统，配网系统去获取相应的负荷历史数据。其中，营销系统获取的是用户的历史负荷数据，用电信息采集系统获得变电站和发电站的历史负荷数据。需要的获得的数据为有功，无功。同时获得当地的人口密度和经济状况数据，去气象局获取相应的历史天气状况和未来天气状况预报的温度，风向，风速，湿度等数据导入到ODPS数据仓库。第三步，预处理，包括以上所有原始数据，有功，无功，温度，风向，风速，湿度，人口密度和经济状况数据。由于获取的数据可能异常和数据的格式不统一，因此需要进行预处理过程。异常的负荷数据主要包括噪声和缺失值，因此需要对异常值类型建立时间序列上的预处理模型：式中，y(t)表示当前的负荷序列，x(t)表示不包含异常值的负荷序列，n为异常值个数，ωi和α(j)表示负荷异常值的影响因子，It(T)表示的是t时刻的脉冲函数。对于数据仓库中的缺失值，根据用电负荷的波动周期特性，计算前后相邻两日相同时间点的负荷以及当前时刻的前后两个时间点的负荷的均值，和后一日相对前一日的负荷变化率法，以均值加上负荷变化量填充空缺值。第四步，标准化处理。根据输入的用户或电站的基本信息，和对应的历史负荷数据及其当地人口密度，经济状况，城镇化情况，是否是节假日等相关数据本文档来自技高网...

【技术保护点】
1.一种网格用户短期负荷预测实时处理工具，其特征在于：执行如下步骤：/n步骤S1：自动识别用户或电站，根据输入的用户或电站自动识别该用户或电站所在区域的经纬度和基本信息；/n步骤S2：建立数据仓库，将该用户或电站的基本信息通过相应的数据接口去营销系统、用电信息采集系统、配网系统去获取相应的负荷历史数据，同时获得当地的人口密度和经济状况数据，去气象局获取相应的历史天气状况和未来天气状况预报数据，导入到ODPS数据仓库；/n步骤S3：预处理，对负荷数据进行预处理，异常的负荷数据包括噪声和缺失值；/n步骤S4：标准化处理，对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：

【技术特征摘要】
1.一种网格用户短期负荷预测实时处理工具，其特征在于：执行如下步骤：
步骤S1：自动识别用户或电站，根据输入的用户或电站自动识别该用户或电站所在区域的经纬度和基本信息；
步骤S2：建立数据仓库，将该用户或电站的基本信息通过相应的数据接口去营销系统、用电信息采集系统、配网系统去获取相应的负荷历史数据，同时获得当地的人口密度和经济状况数据，去气象局获取相应的历史天气状况和未来天气状况预报数据，导入到ODPS数据仓库；
步骤S3：预处理，对负荷数据进行预处理，异常的负荷数据包括噪声和缺失值；
步骤S4：标准化处理，对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：其中max为样本数据的最大值，min为样本数据的最小值；
步骤S5：训练模型和检验误差，判断该用户或电站是否是首次训练，如果不是则加载已经保存的训练模型，如果是则随机初始化权值和阈值矩阵，然后输入样本，经过神经网络短期负荷预测进行训练，验证产生的误差是否在允许的范围内，如果在允许的范围内则保存模型参...

【专利技术属性】
技术研发人员：章剑光，张旭阳，沈鉴，杨剑峰，张建浩，张敏，郭勤慧，王兆旭，童啸霄，马宁，林汉填，綦孝文，汪鹏敏，冯永发，陈佩达，
申请(专利权)人：绍兴大明电力设计院有限公司，国网浙江嵊州市供电有限公司，国网浙江省电力有限公司绍兴供电公司，国网浙江省电力有限公司，上海华立软件系统有限公司，
类型：发明
国别省市：浙江;33