一种两阶段特征处理的母线负荷预测方法技术

本发明专利技术提供一种两阶段特征处理的母线负荷预测方法，该方法主要包括两阶段特征处理部分和母线负荷预测部分。两阶段特征处理部分是指，第一阶段特征处理：历史负荷相关性分析和其他变量特征选择；第二阶段特征处理：基于自动编码器的负荷特征提取，母线负荷预测部分通过LSTM网络来实现。本发明专利技术通过皮尔森相关系数法分析历史负荷相关性，使历史负荷的选择更加具有科学性，并且通过自动编码器对历史负荷数据的特征提取，可以更好的挖掘到数据内部的联系和规律。系和规律。系和规律。

【技术实现步骤摘要】
一种两阶段特征处理的母线负荷预测方法


[0001]本专利技术属于负荷预测领域，具体涉及的是一种两阶段特征处理的母线负荷预测方法。

技术介绍

[0002]不同于系统负荷，母线负荷是指由变电站中主变压器供给某个供电区域终端负荷的总和， 它是系统负荷的一个组成部分。母线负荷预测的预测对象对应电力线路图中的母线。精准的 母线负荷预测可以有效提升电网调度水平，有利于电网安全稳定运行。相较于系统负荷，母 线负荷具有量级低、随机性强的特点，因而母线负荷的规律性更差。同时，母线负荷是供给 较小范围的区域负荷的总和，由于供电区域内用户性质的差异，造成了各母线负荷的负荷成 分和负荷特性的不同。即影响母线负荷的因素各不相同。
[0003]深度学习是目前负荷预测领域新兴的技术。基于深度网络的母线负荷预测法是通过挖掘 历史负荷数据、气象数据(如温度、湿度和辐照度等)和时间特征等众多数据来找到母线负 荷复杂的规律，从而实现对母线负荷的预测。但是若将所有特征作为网络的输入，导致系统 计算速度变慢，而且如果输入中存在相关性小或无关特征，还会造成预测精度降低，因此特 征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种两阶段特征处理的母线负荷预测方法,其特征是:包括以下步骤:步骤1:原始数据的预处理，对历史负荷数据进行缺失值填补并将所有数据归一化；采用线性插值法填补缺失数据，计算公式如下所示。式中:x
t
为填补的数据值；l为最近可用数据与待填补数据之间的距离。采用min
‑
max归一化方法，归一化方法如下式：式中，x
*
为归一化后的结果，x为原数据集数值，x
min
为原数据集的最小值，x
max
为原数据集的最大值，x
*
为归一化后的结果。步骤2:通过皮尔森相关系数法对历史负荷进行相关性分析，计算待预测时刻负荷与历史负荷的相关系数，找到与待预测时刻相关性较高的时刻，使其作为自动编码器的输入，用于第二段特征提取；皮尔逊相关系数，用于度量两个变量之间的相关程度，相关系数越大，两变量的相关性越强，反之相关性越弱。假设两个变量X和Y为n维向量，其中X＝[X1,X1,
…
,X
n
]，Y＝[Y1,Y1,
…
,Y
n
]，则两变量间的皮尔逊相关系数为：式中，和分别为变量X、Y的均值。以母线历史负荷序列为样本进行皮尔逊相关性分析，设当前待预测负荷序列i为L
i
＝{l(t),l(t
‑
1),
…
,l(t
‑
n)}，则待预测负荷序列的x个时刻前的历史负荷序列可表示为L
i
‑
x
＝{l(t
‑
x),l(t
‑
x
‑
1),
…
,l(t
‑
x
‑
n)}，分析待预测负荷序列L
i
与历史负荷序列L
i
‑1，L
i
‑2，
…
，L
i
‑
x
之间的相关性，得到的相关系数是
‑
1～1之间的有...

【专利技术属性】
技术研发人员：刘宏达，张爽，赵勇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：