【技术实现步骤摘要】
一种电力负荷预测方法、智能终端及计算机可读存储介质
本专利技术涉及电力数据分析
，尤其涉及一种电力负荷预测方法、智能终端及计算机可读存储介质。
技术介绍
由于电力能源不可储存，电力系统为了维持电网频率，保证发电量与用电量之间平衡的供需关系，因此必须提前对电力负荷进行预测，并根据预测结果制定发电计划。电力系统负荷预测的研究目的就是提高预测精度，在尽可能低的运行成本下提供安全可靠的电力供应。由于用户侧，也就是用电端，存在诸多用电因素，在日常发电过程中，必须保证一部分火电机组处于旋转备用状态。如果用户侧用电负荷突然减小，火电机组将进行甩负荷，极大地影响电网安全，并将造成了巨大的能源浪费。因此短期负荷预测是电力系统的一项重要任务，预测结果的精确度直接影响电力系统的稳定性，也影响到电网企业的运行成本和电网安全。然而，由于气候变化、社会活动、居民生活习惯等诸多外部因素，使得电力负荷的预测具有高度的非线性和不可预测性，因此，精确的短期电力负荷预测一直是电力行业中的一个难题。因此，开发短期电力负荷高精度预测方法，对减少能源浪费...
【技术保护点】
1.一种电力负荷预测方法，其特征在于，所述电力负荷预测方法包括：/n获取待预测时间对应的预测特征数据，其中，所述预测特征数据包括气象数据和时间类型；/n将所述预测特征数据输入已训练的分类模型并通过所述分类模型对所述待预测时间进行用电模式分类，得到所述待预测时间对应的预测用电模式；/n将所述预测特征数据输入已训练的负荷预测模型并通过所述负荷预测模型对所述待预测时间进行用电负荷预测，得到所述待预测时间对应的初始用电负荷曲线；/n根据所述预测用电模式和所述初始用电负荷曲线，确定所述待预测时间对应的预测用电负荷曲线。/n
【技术特征摘要】
1.一种电力负荷预测方法，其特征在于，所述电力负荷预测方法包括：
获取待预测时间对应的预测特征数据，其中，所述预测特征数据包括气象数据和时间类型；
将所述预测特征数据输入已训练的分类模型并通过所述分类模型对所述待预测时间进行用电模式分类，得到所述待预测时间对应的预测用电模式；
将所述预测特征数据输入已训练的负荷预测模型并通过所述负荷预测模型对所述待预测时间进行用电负荷预测，得到所述待预测时间对应的初始用电负荷曲线；
根据所述预测用电模式和所述初始用电负荷曲线，确定所述待预测时间对应的预测用电负荷曲线。
2.根据权利要求1所述的电力负荷预测方法，其特征在于，所述分类模型包括基于随机森林算法训练得到的若干个分类决策树；所述分类决策树的训练过程具体包括：
获取预设的各个历史时间对应的历史负荷数据和历史特征数据；
对所述历史负荷数据进行聚类处理，生成目标聚类集合，其中，所述目标聚类集合包括若干个用电模式集合，所述用电模式集合包括对应同一用电模式的历史负荷数据；
针对每一个所述用电模式集合，根据该用电模式集合中各个历史负荷数据对应的历史时间，对所述历史特征数据进行标注，得到各个所述历史特征数据对应的用电模式；
针对每一个预设的决策树，选取所述历史特征数据中的训练特征数据输入该决策树并根据基尼指数对该决策树进行分裂，直至该决策树中各个节点的历史特征数据对应的用电模式相同，得到所述分类决策树。
3.根据权利要求2所述的电力负荷预测方法，其特征在于，所述对所述历史负荷数据进行聚类处理，生成目标聚类集合，具体包括：
根据当前的聚类个数，随机确定所述历史负荷数据中的初始聚类中心，其中，当初次进行聚类时，所述聚类个数为2；
根据预设的模糊C均值聚类算法和所述初始聚类中心，计算所述历史负荷数据对应的第k中间隶属度矩阵，其中，k为聚类次数；
当所述聚类个数小于预设的聚类个数阈值时，将所述聚类个数加一，并重复确定第k中间隶属度矩阵；
当所述聚类个数大于等于所述聚类个数阈值时，确定第一中间隶属度矩阵至第(K-1)中间隶属度矩阵中的目标隶属度矩阵，其中，K为所述聚类个数阈值；
根据所述目标隶属度矩阵和所述目标隶属度矩阵对应的聚类中心，对所述历史负荷数据进行聚类，得到目标聚类集合。
4.根据权利要求3所述的电力负荷预测方法，其特征在于，所述当所述聚类个数大于等于所述聚类个数阈值时，确定第一中间隶属度矩阵至第(K-1)中间隶属度矩阵中的目标隶属度矩阵，具体包括：
针对所述第一中间隶属度矩阵至所述第(K-1)中间隶属度矩阵中的每一个中间隶属度矩阵，计算该中间隶属度矩阵对应的聚类有效性指标；
根据所述聚类有效性指...
【专利技术属性】
技术研发人员：董添，刘富，刘云，康冰，侯涛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。