一种基于余弦相似度分类的负荷预测方法技术

本发明专利技术涉及具体为一种基于余弦相似度分类的负荷预测方法，包括对负荷检测点的负荷数据的余弦特征值按天为单位进行特征抽取，并以天为单位将负荷检测点的余弦特征值进行聚类处理生成负荷数据的聚类模型；将生成的负荷数据的聚类模型和天气数据的聚类模型进行关联分析，找到特定天气与特定负荷曲线的相关关系；并形成一组{C,D}的关系；其中C为网供负荷数据在聚类模型的簇值，D为天气数据在聚类模型中的簇值；负荷数据及天气数据聚类完成后，按簇类来抽取网供负荷数据集及相同日期的天气情况，节假日情况数据进行模型构建，具体为将相关联的负荷数据，天气数据，节假日数据加入到模型的输入参数中。

A load forecasting method based on cosine similarity classification

【技术实现步骤摘要】
一种基于余弦相似度分类的负荷预测方法
本专利技术涉及电网数据采集领域，具体为一种基于余弦相似度分类的负荷预测方法。
技术介绍
电网企业网供负荷特性的分析和预测是电网调度运行方式预测工作的一个重要方面，准确把握网供负荷特性及其变化趋势是做好电网调度、运行方式调整等工作的重要基础，也是制定电网规划、安排设备检修的重要参考。尤其近年来新能源大规模接入、用户多样化的电力需求，电网负荷特性的预测难度大幅增加，一方面影响电网网供负荷特性指标增多，指标之间关联性进一步加强；另一方面，影响负荷特性变化的因素更加复杂，一些气候因素如光照度、时长、气温、降雨等具有很大不确定性。因此，只有长期跟踪研究电网负荷特性，才有可能较准确地把握电网负荷特性变化的规律。对于网供负荷的预测，现有的算法基本上是基于季节因素和天气状况因素来对负荷曲线进行分类处理。这样的分类方式虽然从直观上看起来似乎合理，但缺乏理论依据证明其合理性。因此需要能够适应智能用电大数据环境下的电网短期负荷预测方法，预测结果可为提高负荷预测的准确率提供技术支撑。在短期负荷的预测技术中，数据集特征分析选本文档来自技高网...

【技术保护点】
1.一种基于余弦相似度分类的负荷预测方法，其特征在于：包括以下步骤：/n步骤一：对负荷检测点的负荷数据的余弦特征值按天为单位进行特征抽取，并以天为单位将负荷检测点的余弦特征值进行聚类处理生成负荷数据的聚类模型；/n步骤二：将步骤一生成的负荷数据的聚类模型和天气数据的聚类模型进行关联分析，找到特定天气与特定负荷曲线的相关关系；并形成一组{C,D}的关系；其中C为网供负荷数据在聚类模型的簇值，D为天气数据在聚类模型中的簇值；/n步骤三：负荷数据及天气数据聚类完成后，按簇类来抽取网供负荷数据集及相同日期的天气情况，节假日情况数据进行模型构建，具体为将相关联的负荷数据，天气数据，节假日数据加入到模型的...

【技术特征摘要】
1.一种基于余弦相似度分类的负荷预测方法，其特征在于：包括以下步骤：
步骤一：对负荷检测点的负荷数据的余弦特征值按天为单位进行特征抽取，并以天为单位将负荷检测点的余弦特征值进行聚类处理生成负荷数据的聚类模型；
步骤二：将步骤一生成的负荷数据的聚类模型和天气数据的聚类模型进行关联分析，找到特定天气与特定负荷曲线的相关关系；并形成一组{C,D}的关系；其中C为网供负荷数据在聚类模型的簇值，D为天气数据在聚类模型中的簇值；
步骤三：负荷数据及天气数据聚类完成后，按簇类来抽取网供负荷数据集及相同日期的天气情况，节假日情况数据进行模型构建，具体为将相关联的负荷数据，天气数据，节假日数据加入到模型的输入参数中。


2.根据权利要求1所述的一种基于余弦相似度分类的负荷预测方法，其特征在于：步骤一中还包括负荷数据标幺化处理过程，具体为：标幺化处理的公式如公式(1)：






式(1)中Xi为标幺化后测量点i的负荷值，pi为测量点i的测量负荷值，pmax、pmin分别为原始负荷曲线中的最大值和最小值；
式(2)中对标幺化后相邻的负荷点a与b进行余弦值计算，其中：假设a的向量是(x1,y1),b的向量是(x2,y2)。


3.根据权利要求1所述的一种基于余弦相似度分类的负荷预测方法，其特征在于：步骤二中还包括：在负荷数据的聚类模型和天气数据的聚类模型进行关联分析前，对天气数据进行非结构化数...

【专利技术属性】
技术研发人员：张珍凤，罗耀强，陈延彬，雷雪，
申请(专利权)人：南京易司拓电力科技股份有限公司，
类型：发明
国别省市：江苏;32