一种基于气象特征因子的配电网低电压用户数预测方法技术

本发明专利技术涉及一种基于气象特征因子的配电网低电压用户数预测方法，包括：1、按照设定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据；2、对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集；3、基于训练样本集建立以气象特征因子集为输入量，以低电压用户数为输出量的低电压用户数预测模型；4、采用得到的预测模型预测待预测区域的配电网低电压用户数。该方法有利于简单、高效、准确地预测配电网的低电压用户数，预测结果可为配电网低电压预警和防治措施制定提供参考。

【技术实现步骤摘要】
一种基于气象特征因子的配电网低电压用户数预测方法
本专利技术属于电力配电网领域，具体涉及一种基于气象特征因子的配电网低电压用户数预测方法。
技术介绍
配电网是电力系统的重要组成部分，是直接面向用户供电的电力网络。配电网安全、可靠、稳定运行关系到电力系统是否可以向用户提供优质的供电品质和服务质量。配电网低电压现象是配电网供电能力不足的一种体现，其易发生于农村地区。随着农村家电、农用器械的日益增多，在用电高峰时段更容易出现低压现象。开展配电网低电压问题预测，对改善和优化配电网网架结构、提高配电网供电能力与供电质量、解决配电网低电压问题具有重要意义。用电负荷大、供电半径大、调压能力弱、三相负荷不平衡和无功补偿不足等是配电网低电压的主要成因。目前，少数基于支持向量机或D-S证据理论的配电网低电压预测方法主要从上述成因中归纳提取影响指标或因子。然而，除用电负荷外，供电半径等其他影响指标难以有效预测。用电负荷主要通过气温、降雨量等气象因素预报来进行预测。因此，现有方法是基于部分特征量的间接预测。随着低电压数据的不断积累以及地区自动气象站点的大幅增加，以及网格化和乡镇精细化气象预报的业务化，基于大数据和人工智能方法，直接利用气象预报结果来预测配电网低电压用户数成为可能。目前尚无该方面的技术报道。
技术实现思路
本专利技术的目的在于提供一种基于气象特征因子的配电网低电压用户数预测方法，该方法有利于简单、高效、准确地预测配电网的低电压用户数。为实现上述目的，本专利技术采用的技术方案是：一种基于气象特征因子的配电网低电压用户数预测方法，包括以下步骤：步骤1：按照设定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据；步骤2：对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集；步骤3：基于训练样本集建立低电压用户数预测模型，该模型以气象特征因子集为输入量，以低电压用户数为输出量；步骤4，采用得到的低电压用户数预测模型预测待预测区域的配电网低电压用户数。进一步地，所述低电压用户是指10千伏及以下电压等级，10千伏及以下三相供电电压偏差低于标称电压的7%、单相供电电压偏差低于标称电压的10%的用户。进一步地，所述气象特征因子包括最高温、最低温、平均温、最大降雨量、累计降雨量、极大风速和平均风速。进一步地，所述时间分辨率为月、周、天或小时，所述空间分辨率为县（地区）、乡镇或台区。进一步地，所述步骤2中，所述维度匹配处理为将气象特征因子按照低电压用户数的时间和空间分辨率进行匹配，以使两者的时空分辨率达到一致。进一步地，根据所需的时间分辨率，将气象特征因子与低电压用户数进行时间维度匹配；根据所需的空间分辨率，将距离最近的气象站点的气象数据或区域内多个气象站点的气象数据的加权平均值作为该区域的气象特征值，以达到空间维度的匹配。进一步地，所述步骤2中，对气象特征因子集进行降维处理和归一化后，作为样本训练的输入。进一步地，所述降维处理方法为采用相关性分析法或主成分分析法对气象特征因子集中的气象特征因子进行降维。进一步地，所述步骤3中，构建的低电压用户数预测模型为支持向量机模型或神经网络模型。进一步地，当构建的低电压用户数预测模型为支持向量机模型时，对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为：采用粗-细网格搜索法、遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，从而获得优化后的支持向量机模型。与现有技术相比，本专利技术方案具有以下有益效果：1、基于可精细化预报的气象特征因子预测低电压用户数，属于直接预测；2、避开了低电压发生的复杂物理过程，仅需要对气象因子和低电压用户数的历史数据进行训练，操作简单且准确性较高，适用于任意时间段任意区域的配电网；3、具有可扩展性，可将其他可预测的影响配电网低电压的特征因子加入预测模型，进一步提高预测精度，方便工程应用。4、获得的预测结果可为配电网低电压预警和防治措施的制定提供参考。附图说明图1是本专利技术实施例的方法实现流程图。图2是本专利技术实施例中对XX省2016年1月低电压用户数的预测结果。图3是本专利技术实施例中对XX县2016年低电压用户数的预测结果。具体实施方式下面结合附图及具体实施例对本专利技术作进一步的详细说明。参见图1，本专利技术提供了一种基于气象特征因子的配电网低电压用户数预测方法，包括以下步骤：步骤1：按照一定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据。其中，所述低电压用户是指10千伏及以下电压等级，10千伏及以下三相供电电压偏差低于标称电压的7%、单相供电电压偏差低于标称电压的10%的用户。在本实施例中，所述时间分辨率为月、周、天或小时，所述空间分辨率为县（地区）、乡镇或台区。按照月、周、天或小时的时间分辨率和县（地区）、乡镇或台区的空间分辨率，从配电网生产管理系统（PMS）、智能配网系统（SMD）等业务系统导出某个时间段内待预测区域内配电网的低电压用户数据；从气象部门获取该区域在该时间段内所有自动气象站的逐小时气象监测数据。采用已有的历史气象数据确定某地区逐日气象特征因子，包括最高温（单位：℃）、最低温（单位：℃）、平均温（单位：℃）、最大降雨量（单位：mm/h）、累计降雨量（单位：mm/h）、极大风速（单位：m/s）和平均风速（单位：m/s）。步骤2：对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集。其中，所述维度匹配处理为将气象特征因子按照低电压用户数的时间和空间分辨率进行匹配，以使两者的时空分辨率达到一致。具体为：根据所需的时间分辨率，将气象特征因子与低电压用户数进行时间维度匹配。根据所需的空间分辨率，将距离最近的气象站点的气象数据（最短距离法）或区域内多个气象站点的气象数据的加权平均值（加权平均法）作为该区域的气象特征值，以达到空间维度的匹配。为减小计算复杂性，提高计算效率，本实施例中对气象特征因子集进行降维处理，具体的降维处理方法可根据实际需要采取以下的一种：采用相关性分析法或主成分分析法对气象特征因子集中的气象特征因子进行降维。对降维处理后的气象特征因子集归一化后，作为样本训练的输入。相关性分析法和主成分分析法是本
内成熟的降维处理方法。相关性分析法为一种构造特征子集法，采用统计相关方法，选择与输出相关性强的特征量，剔除与输出相关性弱的特征量，同时剔除特征量间相关性强的特征量。主成分分析法为一本文档来自技高网...

【技术保护点】
1.一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，包括以下步骤：/n步骤1：按照设定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据；/n步骤2：对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集；/n步骤3：基于训练样本集建立低电压用户数预测模型，该模型以气象特征因子集为输入量，以低电压用户数为输出量；/n步骤4，采用得到的低电压用户数预测模型预测待预测区域的配电网低电压用户数。/n

【技术特征摘要】
1.一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，包括以下步骤：
步骤1：按照设定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据；
步骤2：对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集；
步骤3：基于训练样本集建立低电压用户数预测模型，该模型以气象特征因子集为输入量，以低电压用户数为输出量；
步骤4，采用得到的低电压用户数预测模型预测待预测区域的配电网低电压用户数。


2.根据权利要求1所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述低电压用户是指10千伏及以下电压等级，10千伏及以下三相供电电压偏差低于标称电压的7%、单相供电电压偏差低于标称电压的10%的用户。


3.根据权利要求1所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述气象特征因子包括最高温、最低温、平均温、最大降雨量、累计降雨量、极大风速和平均风速。


4.根据权利要求1所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述时间分辨率为月、周、天或小时，所述空间分辨率为县（地区）、乡镇或台区。


5.根据权利要求1所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述步骤2中，所述维度匹配处理为将气象特征因子按照低电压用户数的...

【专利技术属性】
技术研发人员：王永明，陈宇星，殷自力，张功林，张振宇，高源，罗翔，王健，舒胜文，陈超，
申请(专利权)人：国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，福州大学，
类型：发明
国别省市：福建;35