一种基于聚类的可控负荷空间密度预测方法技术

本发明专利技术公开了一种基于聚类的可控负荷空间密度预测方法，步骤1、输入可控负荷的空间分布信息；步骤2、建立负荷密度指标体系；步骤3、选择训练样本；步骤4、预测负荷密度。本发明专利技术在对可控负荷进行小区划分时，根据可控负荷的空间分布与密度信息进行分类；针对影响负荷变化的因素使用自适应FCM聚类，将可控负荷进行细分，通过两次聚类，建立了精细化的负荷密度指标体系；利用遗传算法对最小二乘支持向量机预测模型进行参数优化，提高了预测的精确性，对于可控负荷空间预测具有重要意义。于可控负荷空间预测具有重要意义。于可控负荷空间预测具有重要意义。

【技术实现步骤摘要】
一种基于聚类的可控负荷空间密度预测方法


[0001]本专利技术属于负荷预测领域，具体设计一种基于聚类的可控负荷空间密度预测方法。

技术介绍

[0002]随着我国综合实力快速增长，现代工业和农业正处与高速发展时期、人民生活水平的日益提高，因此社会和谐与安定对电力的持续的、安全的供应越来越依赖。为了保证我国经济持续快速增长与社会和谐发展，必须不断扩大电力系统的规模以确保电力的持续供应。因此，为了使电网结构可靠安全、适应能力强、能满足城市乡镇经济发展和生活用电的需要，规划部门对城镇及农村电网的修建和改造进行了大量的投资，而在这个过程中，首当其冲的是负荷预测。
[0003]空间电力负荷预测的准确性直接关系到配电系统投资及运行的合理性、经济性。只有准确的预测出了城市配电网供电区域内的未来负荷大小和分布，才能够更加准确的指导变电站容量及其选址，馈线的路径与型号及开关设备的装设以及它们的投入时间等决策变量进行合理地规划。
[0004]电力负荷预测结果过大，将会导致增加相应设施的投资，造成设备的堆积、资金浪费，降低了资产利用率与经济效益；电力负本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类的可控负荷空间密度预测方法，其特征在于，所述方法包括以下步骤：步骤1、输入可控负荷的空间分布信息，包括：地理位置信息、负荷样本容量、负荷样本数量；步骤2、建立负荷密度指标体系：对采集到的可控负荷空间分布信息进行空间密度聚类，将选定区域内的可控负荷进行区域划分；采用自适应FCM算法对分区后的可控负荷进行分类，建立精细化负荷密度指标体系；步骤3、选择训练样本：根据待预测区域给定的属性指标，计算待预测区域与细分之后的聚类中心的距离，将待预测区域归类为距离最近的那一类中，并将该类中的样本作为最小二乘支持向量机预测模型训练样本；步骤4、预测负荷密度：基于遗传算法对最小二乘支持向量机预测模型进行自动优化，得到待预测区域的预测负荷密度与待预测区域内总负荷容量。2.根据权利要求1所述的一种基于聚类的可控负荷空间密度预测方法，其特征在于，步骤2中，基于可控负荷空间分布信息进行空间密度聚类，步骤如下：步骤2
‑1‑
1、结合网格划分的思想，将隶属度的概念引入Leaders算法，对采集到的负荷数据进行区域划分，计算得到数据中的隶属度为：其中，参数m表示模糊加权指数，m和模糊程度成正比；d
ij
表示样本x
j
与第i个Leader之间的欧式距离；r表示第r个类簇，共分为c个类簇；步骤2
‑1‑
2、通过核密度估值法自适应地确定各个区域对应的邻域参数半径Eps和核心点邻域内点的最小密度值MinPts两个参数；步骤2
‑1‑
3、对划分后的各个区域中的数据进行空间密度聚类，并整合聚类结果，获取可控负荷聚类后的类簇信息。3.根据权利要求1所述的一种基于聚类的可控负荷空间密度预测方法，其特征在于，步骤2中建立精细化负荷密度指标体系，受到人口密度、人均收入、人均用电量、居民消费比重影响，利用自适应FCM算法进行分类，步骤如下：步骤2
‑2‑
1输入初...

【专利技术属性】
技术研发人员：张腾飞，张森豪，周霞，张磐，杨杨，吴巨爱，刘明祥，徐俊俊，蔡月明，朱三立，姚金明，欧传刚，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：