一种电力系统负荷波动分析方法和系统技术方案

本发明专利技术涉及一种电力系统负荷波动分析方法和系统，包括：获取目标区域的多个用电单位的历史用电信息序列；基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇；对于每个所述用电单位簇，获取所述用电单位簇对应的多个训练样本；基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型；对于所述单位簇的每个所述用电单位，通过所述用电单位簇对应的负荷预测模型，基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息；基于预测的所述用电单位在未来时间段的多个时间点的用电需求，确定所述目标区域在所述未来时间段的负荷波动情况。时间段的负荷波动情况。时间段的负荷波动情况。

【技术实现步骤摘要】
一种电力系统负荷波动分析方法和系统


[0001]本专利技术涉及电力系统
，具体涉及一种电力系统负荷波动分析方法和系统。

技术介绍

[0002]电网短期电力负荷是依靠历史负荷的波动规律，及时有效的电力负荷预测对电网电力的安排调度、电力系统智能化水平的提高有着指导性的作用。因此，有必要研究一种基于大数据的电力系统负荷波动预测方法及系统，用于提高电力负荷预测的效率及精确度。

技术实现思路

[0003]本专利技术的目的在于提出一种电力系统负荷波动分析方法，以提高电力负荷预测的效率及精确度。
[0004]为实现上述目的，本专利技术的实施例提出一种电力系统负荷波动分析方法，包括：
[0005]获取目标区域的多个用电单位的历史用电信息序列，其中，所述历史用电信息序列由所述用电单位在至少一个历史时间段的历史用电相关信息组成；
[0006]基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇；
[0007]对于每个所述用电单位簇，获取所述用电单位簇对应的多个训练样本；
[0008]基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型；
[0009]对于所述单位簇的每个所述用电单位，通过所述用电单位簇对应的负荷预测模型，基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息，其中，所述用电相关信息至少包括用电需求；
[0010]基于预测的所述用电单位在未来时间段的多个时间点的用电需求，确定所述目标区域在所述未来时间段的负荷波动情况。
[0011]优选地，所述历史用电相关信息包括所述用电单位在所述历史时间段的电力负荷曲线及所述用电单位在所述历史时间段使用的用电设备的相关信息，其中，所述用电设备的相关信息至少包括用电设备的类型、用电参数及运行时长。
[0012]优选地，所述基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇，包括：
[0013]对于任意的两个所述用电单位，基于两个所述用电单位的历史用电信息序列，确定两个所述用电单位的用电相似度；
[0014]基于所述用电相似度，对所述多个用电单位进行聚类，确定所述多个用电单位簇。
[0015]优选地，所述训练样本包括所述用电单位簇包括的一个用电单位在一个历史时间点的用电相关信息，所述训练样本的标签为所述用电单位在所述历史时间点的用电需求。
[0016]优选地，所述基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型，包括：
[0017]通过所述用电单位簇对应的多个训练样本对初始负荷预测模型进行训练，更新初始负荷预测模型的参数，直至训练后的初始负荷预测模型满足预设条件；
[0018]将满足所述预设条件的训练后的初始负荷预测模型作为所述用电单位簇对应的负荷预测模型。
[0019]优选地，所述用电单位在所述相关时间点的用电相关信息包括所述用电单位在所述相关时间点的用电需求、气象信息及所述用电单位在所述相关时间点使用的用电设备的状态信息。
[0020]优选地，所述基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息，包括：
[0021]对所述用电单位在多个相关时间点的用电相关信息进行异常数据检测及修订；
[0022]基于用电单位在多个相关时间点的修订后的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息。
[0023]优选地，所述对所述用电单位在多个相关时间点的用电相关信息进行异常数据检测及修订，包括：
[0024]对于任意所述相关时间点，基于时间窗口，确定所述相关时间点的多个关联时间点，基于所述多个关联时间点的用电相关信息，确定所述相关时间点的用电相关信息是否异常；
[0025]当判断所述相关时间点的用电相关信息异常时，通过关系图谱对所述相关时间点的用电相关信息进行修订。
[0026]优选地，所述通过所述用电单位簇对应的负荷预测模型，基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息，包括：
[0027]对于所述未来时间段的任意一个时间点，基于所述用电单位在多个相关时间点的用电相关信息和/或所述用电单位簇对应的负荷预测模型预测的至少一个在先时间点的用电相关信息，生成输入序列，其中，所述至少一个在先时间点位于所述未来时间段内；
[0028]通过所述用电单位簇对应的负荷预测模型基于所述输入序列，预测所述用电单位在所述时间点的用电相关信息。
[0029]本专利技术的实施例还提出一种基于大数据的电力系统负荷波动预测系统，包括：
[0030]信息获取模块，用于获取目标区域的多个用电单位的历史用电信息序列，其中，所述历史用电信息序列由所述用电单位在至少一个历史时间段的历史用电相关信息组成；
[0031]负荷聚类模块，用于基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇；
[0032]波动预测模块，用于对于每个所述用电单位簇，获取所述用电单位簇对应的多个训练样本，基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型；对于所述单位簇的每个所述用电单位，通过所述用电单位簇对应的负荷预测模型，基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电需求；还用于基于预测的所述用电单位在未来时间段的多个时间点的用电需求，确定所述目标区域的负荷波动情况。
[0033]本专利技术的实施例具有以下有益效果：
[0034]本专利技术的实施例提出了一种基于大数据的电力系统负荷波动分析方法和系统，通过对用电单位的历史用电信息进行聚类分析，根据聚类分析结果训练负荷预测模型，进一步进行用电单位的用电需求预测，确定所述目标区域的负荷波动情况，能够提高电力负荷预测的效率及精确度。
[0035]本专利技术的其它特征和优点将在随后的具体实施方式中阐述。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1是本专利技术一些实施例所示的电力系统负荷波动预测系统的应用场景示意图。
[0038]图2是本专利技术一些实施例所示的电力系统负荷波动预测系统的示例性框架结构图。
[0039]图3是本专利技术一些实施例所示的基于大数据的电力系统负荷波动预测方法的示例性流程图。
[0040]图中标记：
[0041]110
‑
处理设备；120
‑
网络；130
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统负荷波动分析方法，其特征在于，包括：获取目标区域的多个用电单位的历史用电信息序列，其中，所述历史用电信息序列由所述用电单位在至少一个历史时间段的历史用电相关信息组成；基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇；对于每个所述用电单位簇，获取所述用电单位簇对应的多个训练样本；基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型；对于所述单位簇的每个所述用电单位，通过所述用电单位簇对应的负荷预测模型，基于所述用电单位在多个相关时间点的用电相关信息，逐次预测所述用电单位在未来时间段的多个时间点的用电相关信息，其中，所述用电相关信息至少包括用电需求；基于预测的所述用电单位在未来时间段的多个时间点的用电需求，确定所述目标区域在所述未来时间段的负荷波动情况。2.如权利要求1所述的基于大数据的电力系统负荷波动预测方法，其特征在于，所述历史用电相关信息包括所述用电单位在所述历史时间段的电力负荷曲线及所述用电单位在所述历史时间段使用的用电设备的相关信息，其中，所述用电设备的相关信息至少包括用电设备的类型、用电参数及运行时长。3.如权利要求1所述的基于大数据的电力系统负荷波动预测方法，其特征在于，所述基于所述多个用电单位的历史用电信息序列，对所述多个用电单位进行聚类，确定多个用电单位簇，包括：对于任意的两个所述用电单位，基于两个所述用电单位的历史用电信息序列，确定两个所述用电单位的用电相似度；基于所述用电相似度，对所述多个用电单位进行聚类，确定所述多个用电单位簇。4.如权利要求1所述的基于大数据的电力系统负荷波动预测方法，其特征在于，所述训练样本包括所述用电单位簇包括的一个用电单位在一个历史时间点的用电相关信息，所述训练样本的标签为所述用电单位在所述历史时间点的用电需求。5.如权利要求1所述的基于大数据的电力系统负荷波动预测方法，其特征在于，所述基于所述多个训练样本，生成并训练所述用电单位簇对应的负荷预测模型，包括：通过所述用电单位簇对应的多个训练样本对初始负荷预测模型进行训练，更新初始负荷预测模型的参数，直至训练后的初始负荷预测模型满足预设条件；将满足所述预设条件的训练后的初始负荷预测模型作为所述用电单位簇对应的负荷预测模型。6.如权利要求1
‑
5任意一项所述的基于大数据的电力系统负荷波动预测方法，其特征在于，所述用电单位在所述相关时间点的用电相关信息包括所述用电单位在所述相关时间点的用电需求、气象信息及所述用电单位在所述相关时间点使...

【专利技术属性】
技术研发人员：安宇，樊丽娟，李鸿鑫，程卓，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：