煤改电负荷特性的分析预测方法及装置制造方法及图纸

本发明专利技术适用于电力数据分析领域，特别涉及一种煤改电负荷特性的分析预测方法及装置。本煤改电负荷特性的分析预测方法包括：获取多个煤改电配变的负荷数据；对所述多个煤改电配变的负荷数据进行预处理；根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。本方法可以提升分析煤改电配变的负荷特性的准确性。

Analysis and prediction method and device for load characteristics of coal to electricity conversion

【技术实现步骤摘要】
煤改电负荷特性的分析预测方法及装置
本专利技术适用于电力数据分析领域，特别涉及一种煤改电负荷特性的分析预测方法及装置。
技术介绍
随着时间的发展，从长远看，电能作为新能源的主要转化对象，通过再电气化进程，在低碳、环保方面较其他化石能源具有先天优势，煤改电是低碳与保护生态环境战略的唯一选择。但从短期看，煤改电带来的经济负担较重，同时受产业发展水平限制，采暖效果差，电力供应不足，煤改电仍面临诸多问题。对用户的采暖用电数据进行挖掘、整理、分析和预测，对于解决煤改电进程中的矛盾与问题有着重要的意义，可以用来规划后续用户的电网建设方案，进而指导电网的建设过程。目前，尚无对于煤改电配变的负荷特性的统计研究，且现有技术在对一般负荷特性进行分析时，通常是对所有负荷进行统一处理，然而由于煤改电供暖设备种类较多，若应用现有的负荷特性分析方法对煤改电配变的负荷特性进行研究，会存在无法准确的分析煤改电配变的负荷特性的问题，进而导致在煤改电进程中，无法对全网电力负荷的波动进行精确的预测和评估。
技术实现思路
有鉴于此，本专利技术实施例提供了一种煤改电负荷特性的分析预测方法及装置，以解决现有技术中存在的无法准确的分析煤改电配变的负荷特性的问题。本专利技术实施例的第一方面提供了一种煤改电负荷特性的分析预测方法，包括：获取多个煤改电配变的负荷数据；对所述多个煤改电配变的负荷数据进行预处理；根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。本专利技术实施例的第二方面提供了一种煤改电负荷特性的分析预测装置，包括：获取模块，用于获取多个煤改电配变的负荷数据；预处理模块，用于对多个煤改电配变的负荷数据进行预处理；聚类模块，用于根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。本专利技术获取多个煤改电配变的负荷数据；通过对所述多个煤改电配变的负荷数据进行预处理，可以提升后续对负荷特性分析的准确性；通过聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，可以保全原始数据的价值，使原始数据得到充分和准确的利用，从而可以区分不同采暖设备对应的配变，得到多个种类的负荷特性曲线，使得到的负荷特性曲线更贴合实际，提升了分析煤改电配变的负荷特性的准确性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的煤改电负荷特性的分析预测方法的流程示意图；图2为本专利技术实施例提供的根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类的流程示意图；图3为本专利技术实施例提供的聚类中心负荷曲线图；图4为本专利技术实施例提供的配变负荷特性特征图表；图5为本专利技术实施例提供的预测全网负荷的流程示意图；图6是本专利技术实施例提供的采暖负荷与温度的线性回归方程的示意图；图7是本专利技术实施例提供的煤改电后负荷预测图；图8是本专利技术实施例提供的煤改电后每年2月负荷预测图；图9是本专利技术实施例提供的煤改电后每年8月负荷预测图；图10是本专利技术实施例提供的煤改电负荷特性的分析预测装置的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。本专利技术的说明书和权利要求书及上述附图中的术语“包括”以及其他任何变形，是指“包括但不限于”，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。图1是本专利技术实施例提供的煤改电负荷特性的分析预测方法的流程示意图，参见图1，该煤改电负荷特性的分析预测方法可以包括：步骤S101，获取多个煤改电配变的负荷数据。本专利技术实施例中，所述多个煤改电配变为经过煤改电专项工程改造的配电变压器。其负荷数据可以是一定时间段内的月均数据，周均数据或日均24点运行数据等。步骤S102，对所述多个煤改电配变的负荷数据进行预处理。本专利技术实施例中，由于获取的数据量较大，可能存在部分数据不准确或者某一时刻的数据缺失的情况，故需要对负荷数据进行预处理，以提升后续对负荷特性分析的准确性，具体的，可以对不准确的数据进行剔除或替换，对缺失的数据进行填补。步骤S103，根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。本专利技术实施例中，由于不同采暖对应的煤改电配变的负荷特性也不同，此时若统一地对所有煤改电配变的负荷特性进行分析，会忽略不同类型的采暖设施对应的煤改电配变具有不同的负荷特性这一特征，使原始数据不能得到充分、准确的利用，浪费原始数据的价值，并且分析得出的负荷特性无法贴合实际的描述出煤改电配变的真实负荷特性。因此，通过聚类算法来区分不同采暖设备对应的配变，即将具有相似负荷特性的配变聚为一类，以提升分析煤改电配变的负荷特性的准确性。其中预设种类的数量可以根据采暖设备的大体种类进行设定，用于将煤改电配变分为预设数量的类别。本专利技术实施例获取多个煤改电配变的负荷数据，通过对多个煤改电配变的负荷数据进行预处理，提升了数据的准确性，通过根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，将具有相似负荷特性的配变分别聚集在不同的类别，得到多个种类的负荷特性曲线，保全了原始数据的价值，使原始数据得到充分、准确的利用，也使得到的负荷特性曲线更贴合实际，提升了分析煤改电配变的负荷特性的准确性。一些实施例中，所述对所述多个煤改电配变的负荷数据进行预处理，可以包括：对所述多个煤改电配变的负荷数据进行缺失值填充处理和异常值筛选处理中的至少一种。本专利技术实施例中，在对多个煤改电配变的负荷数据进行预处理时，可以对所述多个煤改电配变的负荷数据进行缺失值填充处理，用以保持数据的完整性；也可以对所述多个煤改电配变的负荷数据进行异常值筛选处理，用以识别异常数据提升数据的真实准确性。一些实施例中，当对所述多个煤改电配变的负荷数据进行缺失值填充处理时，可以包括：通过中位数法对所述多个煤改电配变的负荷数据进行填充处理。本专利技术实施例中。若对所述多个煤改电配变的负荷数据进行缺失值填充处理时，可以通过均值、中位数、本文档来自技高网...

【技术保护点】
1.一种煤改电负荷特性的分析预测方法，其特征在于，包括：/n获取多个煤改电配变的负荷数据；/n对所述多个煤改电配变的负荷数据进行预处理；/n根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。/n

【技术特征摘要】
1.一种煤改电负荷特性的分析预测方法，其特征在于，包括：
获取多个煤改电配变的负荷数据；
对所述多个煤改电配变的负荷数据进行预处理；
根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，得到预设种类的负荷特性。


2.如权利要求1所述的煤改电负荷特性的分析预测方法，其特征在于，所述对所述多个煤改电配变的负荷数据进行预处理，包括：
对所述多个煤改电配变的负荷数据进行缺失值填充处理和异常值筛选处理中的至少一种。


3.如权利要求2所述的煤改电负荷特性的分析预测方法，其特征在于，当对所述多个煤改电配变的负荷数据进行缺失值填充处理时，包括：
通过中位数法对所述多个煤改电配变的负荷数据进行填充处理。


4.如权利要求2所述的煤改电负荷特性的分析预测方法，其特征在于，当对所述煤改电配变的负荷数据进行异常值筛选处理时，包括：
遍历所述多个煤改电配变的负荷数据；
判断当前的煤改电配变的负荷数据、所述多个煤改电配变的负荷数据的平均值、所述多个煤改电配变的负荷数据的标准差是否满足预设条件；
当判断满足预设条件时，将当前的煤改电配变的负荷数据作为异常值去除；
其中，所述预设条件包括：
z小于第一预设数值或大于第二预设数值，z＝(x-μ)/σ；式中，x为当前的煤改电配变的负荷数据，μ为所述多个煤改电配变的负荷数据的平均值，σ为所述多个煤改电配变的负荷数据的标准差。


5.如权利要求1所述的煤改电负荷特性的分析预测方法，其特征在于，所述根据聚类算法对预处理后的多个煤改电配变的负荷数据进行聚类，包括：
对所述预处理后的多个煤改电配变的负荷数据进行无量纲化处理，得到待聚类数据；
随机选取所述待聚类数据中预设数量的数据点作为初始聚类中心；
计算所述待聚类数据中每一数据点至各个初始聚类中心的距离；
根据所述数据点至各个初始聚类中心的距离确定所述数据点所在的聚类簇，并更新所述聚类簇的初始聚类中心；
检测所述聚类簇是否满足预设聚类条件，若所述聚类簇不满足预设聚类条件，则返回执行根据所述数据点至初始聚类中心的距离确定...

【专利技术属性】
技术研发人员：马国真，魏孟举，邵华，刘雪飞，胡珀，庞凝，张泽亚，王云佳，胡梦锦，
申请(专利权)人：国网河北省电力有限公司经济技术研究院，国家电网有限公司，
类型：发明
国别省市：河北;13