【技术实现步骤摘要】
一种电力用户负荷预测方法、装置及设备
[0001]本申请涉及电力负荷
,尤其涉及一种电力用户负荷预测方法、装置及设备。
技术介绍
[0002]近年来,随着科技的发展,区域负荷预测的工作开展步将提升预测准确率的视角转换到工商业大用户以及低压居民上。然而,大用户的负荷预测不像区域负荷预测,数据基数相对小,受环境、政策等影响大,负荷曲线的波动也随着用户性质差异呈现不同特征,而居民用电受气候等影响较大,都为负荷预测带来了较大的难度,在选择合适的预测模型上需要耗费大量试验资源。
技术实现思路
[0003]本申请实施例提供了一种电力用户负荷预测方法、装置及设备,用于解决现有对个体电力用户电力负荷的预测难度大且效率低的技术问题。
[0004]为了实现上述目的,本申请实施例提供如下技术方案:
[0005]一种电力用户负荷预测方法,包括以下步骤:
[0006]从电力系统中获取负荷特征曲线库和待预测负荷电力用户历史数个的日负荷数据集,对每个所述日负荷数据集的异常数据进行修复,得到修复后的日负荷数据集并对其构建日负荷曲线;
[0007]对所有所述日负荷曲线进行聚类、归一化处理,得到电力用户的典型负荷曲线,并判断所述负荷特征曲线库是否存在与所述典型负荷曲线相近的负荷特征曲线;
[0008]若所述负荷特征曲线库存在与所述典型负荷曲线相近的负荷特征曲线,获取相近的负荷特征曲线的负荷影响因子;若所述负荷特征曲线库不存在与所述典型负荷曲线相近的负荷特征曲线,对所述典型负荷曲线与负荷所有的 ...
【技术保护点】
【技术特征摘要】
1.一种电力用户负荷预测方法,其特征在于,包括以下步骤:从电力系统中获取负荷特征曲线库和待预测负荷电力用户历史数个的日负荷数据集,对每个所述日负荷数据集的异常数据进行修复,得到修复后的日负荷数据集并对其构建日负荷曲线;对所有所述日负荷曲线进行聚类、归一化处理,得到电力用户的典型负荷曲线,并判断所述负荷特征曲线库是否存在与所述典型负荷曲线相近的负荷特征曲线;若所述负荷特征曲线库存在与所述典型负荷曲线相近的负荷特征曲线,获取相近的负荷特征曲线的负荷影响因子;若所述负荷特征曲线库不存在与所述典型负荷曲线相近的负荷特征曲线,对所述典型负荷曲线与负荷所有的影响因子进行相关性分析,得到与所述典型负荷曲线对应的有效影响因子;将所述负荷影响因子或所述有效影响因子输入负荷预测模型对待预测负荷电力用户进行负荷预测;其中,所述负荷特征曲线库包括数条负荷特征曲线和与每条负荷特征曲线对应的影响因子。2.根据权利要求1所述的电力用户负荷预测方法,其特征在于,包括:对每个所述日负荷数据集的异常数据采用四分位算法和四点插值法进行修复,得到修复后的日负荷数据集。3.根据权利要求1所述的电力用户负荷预测方法,其特征在于,对所有所述日负荷曲线进行聚类、归一化处理,得到电力用户的典型负荷曲线的步骤包括:采用X
‑
means聚类算法对所述日负荷曲线的用电量或负荷进行聚类,得到聚类分类;从聚类分类中选择日负荷曲线条数最多的这类聚类分类,并选取其所有日负荷曲线的中心负荷曲线;采用最小
‑
最大值归一化处理对所述中心负荷曲线的负荷数据进行归一化处理,归一化处理后的中心负荷曲线作为所述电力用户的典型负荷曲线。4.根据权利要求3所述的电力用户负荷预测方法,其特征在于,包括:采用X
‑
means聚类算法对所述日负荷曲线的日、月或年用电量或负荷进行聚类,得到聚类后的聚类分类。5.根据权利要求1所述的电力用户负荷预测方法,其特征在于,判断所述负荷特征曲线库是否存在与所述典型负荷曲线相近的负荷特征曲线的步骤包括:采用欧式距离算法计算所述典型负荷曲线与所述负荷特征曲线库中每条负荷特征曲线的欧式距离,得到距离数据集合,并从所述距离数据集合中选取最小的欧式距离称为欧式距离最小值;若所述欧式距离最小值不大于距离阈值,则与该欧式距离对应的负荷特征曲线为所述典型负荷曲线相近的负荷特征曲线;若所述欧式距离最小值大于距离阈值,则所述负荷特征曲线库不存在与所述典型负荷曲线相近的负荷特征曲线。6.根据权利要求1所述的电力用户负荷预测方法,其特征在于,对所述典...
【专利技术属性】
技术研发人员:钱斌,刘傲,李富盛,祝宇翔,周密,史军,林晓明,张炀,
申请(专利权)人:南方电网科学研究院有限责任公司,
类型:发明
国别省市:
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。