一种电力用户负荷预测方法、装置及设备制造方法及图纸

本申请涉及一种电力用户负荷预测方法、装置及设备，该电力用户负荷预测方法通过对待预测负荷电力用户的同一时间长度日负荷曲线进行负荷或者电量曲线聚类、归一化处理，得到该电力用户的典型负荷曲线，根据负荷特征曲线库中是否存在与典型负荷曲线相近的负荷特征曲线采用不同处理方式得到影响待预测负荷电力用户预测的影响因子，将得到负荷影响因子或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，提高对力用户负荷预测的效率，减少盲目负荷预测模型的训练，降低了电力用户负荷预测的难度。解决了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。题。题。

【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；
[0009]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；
[0010]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。
[0011]优选地，该电力用户负荷预测方法包括：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。
[0012]优选地，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：
[0013]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；
[0014]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；
[0015]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。
[0016]优选地，该电力用户负荷预测方法包括：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。
[0017]优选地，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：
[0018]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；
[0019]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；
[0020]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。
[0021]优选地，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的步骤包括：
[0022]获取所述典型负荷曲线的负荷数据以及影响负荷的所有影响因素；
[0023]通过斯皮尔曼相关系数公式计算每个影响因素与所述典型负荷曲线的因素系数；
[0024]若所述因素系数大于系数阈值，则与所述因素系数对应的影响因素为所述典型负荷曲线的有效影响因子；
[0025]其中，所述斯皮尔曼相关系数公式为：d
i
＝rg(X
i
)
‑
rg(Y
i
)；
[0026][0027]式中，ρ
s
为因素系数，d
i
为典型负荷曲线与影响因素的第i个数据相对大小的差值，X
i
为典型负荷曲线的第i个负荷数据，Y
i
为影响因素的第i个数据，n为数据数目。
[0028]优先地，所述系数阈值为0.6。
[0029]优选地，该电力用户负荷预测方法包括：从电力系统中获取待预测负荷电力用户历史数个日用电量或日峰值电量的日负荷数据集。
[0030]本申请还提供一种电力用户负荷预测装置，包括数据获取模块、聚类处理模块、因子选择模块和负荷预测模块；
[0031]所述数据获取模块，用于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；
[0032]所述聚类处理模块，用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，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；
[0033]所述因子选择模块，用于根据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；或根据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；
[0034]所述负荷预测模块，用于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；
[0035]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。
[0036]本申请还提供一种电力用户负荷预测设备，包括处理器以及存储器；
[0037]所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
[0038]所述处理器，用于根据所述程序代码中的指令执行上述所述的电力用户负荷预测方法。
[0039]从以上技术方案可以看出，本申请实施例具有以下优点：提供一种电力用户负荷预测方法、装置及设备，该预测方法包括：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，并从负荷特征曲线库中寻找是否与典型负荷曲线相近的负荷特征曲线；若负荷特征曲线库不存在与典型负荷曲线相近的负荷特征曲线，对典型负荷曲线与负荷所有的影响因子进行相关性分析，得到与典型负荷曲线对应的有效影响因子；将负荷影响因子或本文档来自技高网...

【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：