一种基于形态聚类的短期负荷预测修正方法技术

本发明专利技术提供了一种基于形态聚类的短期负荷预测修正方法，所述预测修正方法具体为：调取历史负荷数据，通过聚类算法对历史负荷数据进行形态聚类，并基于聚类结果设置若干个形态标签；构建负荷形态预测模型，调取负荷影响因素特征数据，根据负荷影响因素特征数据进行待预测日的形态标签预测，并根据待预测日的形态标签预测结果选取相同形态标签的若干相似日负荷曲线；根据相似日预测算法根据负荷影响因素特征数据对待预测日的负荷进行预测，获取预测的负荷曲线；通过动态时间规划算法根据选取的相似日负荷曲线对预测的负荷曲线进行修正。本发明专利技术能够通过相似日负荷曲线对预测的负荷曲线进行修正，能够有效提高短期负荷预测结果的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种基于形态聚类的短期负荷预测修正方法


[0001]本专利技术涉及负荷短期预测
，尤其是指一种基于形态聚类的短期负荷预测修正方法。

技术介绍

[0002]负荷预测对于电力系统的稳定性和能源的有效利用方面都非常重要。电力系统的负荷预测指的是从现有的电力系统情况、气象条件、以及社会经济等条件出发，探索发现各种因素对负荷产生的作用，并基于此对将来的负荷做出预测。电力系统的的负荷预测对电力系统的调度与规划都具有非常重要的意义，对发电厂发电的安排、燃料的规划、电力市场化交易、电网的检修安排等都有着非常重要的指导性意义，负荷预测也决定着整个电力系统运行的经济性与稳定性。
[0003]以往的短期负荷预测算法大部分集中于气象、日期类型等特征数据的运算，较少地使用负荷曲线本身的信息，但因气象等数据存在着易变化的特性，通过气象、日期类型等特征数据进行的负荷预测，其负荷预测结果的准确性并无法得到保障。

技术实现思路

[0004]本专利技术的目的是克服现有技术中的缺点，提供一种基于形态聚类的短期负荷预测修正方法，通过利用负荷曲线本身的形状信息来实现对于负荷数据的聚类，并通过形状聚类结果来获取对应的相似日负荷曲线，从而实现对于预测所得负荷曲线的修正，能够解决因气象数据的易变性而导致的预测结果准确性不足的问题，使得获取的负荷预测结果的准确性得到提升。
[0005]本专利技术的目的是通过下述技术方案予以实现：
[0006]一种基于形态聚类的短期负荷预测修正方法，包括：
[0007]调取历史负荷数据，通过聚类算法对历史负荷数据进行形态聚类，并基于聚类结果设置若干个形态标签；
[0008]构建负荷形态预测模型，调取负荷影响因素特征数据，根据负荷影响因素特征数据进行待预测日的形态标签预测，并根据待预测日的形态标签预测结果选取相同形态标签的若干相似日负荷曲线；
[0009]根据相似日预测算法根据负荷影响因素特征数据对待预测日的负荷进行预测，获取预测的负荷曲线；
[0010]通过动态时间规划算法根据选取的相似日负荷曲线对预测的负荷曲线进行修正。
[0011]进一步的，在通过聚类算法对历史负荷数据进行形态聚类时，通过计算两个历史负荷数据之间的互相关系数来确定历史负荷数据间的形态相似距离，并基于形态相似距离进行形态聚类。
[0012]进一步的，所述形态相似距离的表达式为：
[0013][0014]其中：SBD(X,Y)为两个历史负荷数据之间的形态相似距离，X，Y分别为两个历史负荷数据，cc
w
(X,Y)为两个历史负荷数据之间的互相关系数，R0(X,X)为历史负荷数据X的自相关系数，R0(Y,Y)为历史负荷数据Y的自相关系数。
[0015]进一步的，通过动态时间规划算法对预测的负荷曲线进行修正的具体过程为：选取最终相似日负荷曲线，通过动态时间规划算法得到预测的负荷曲线与最终相似日负荷曲线之间的映射数组，并基于最佳映射路径确定预测的负荷曲线与最终相似日负荷曲线之间每个点的映射路径，筛选出预测的负荷曲线中一个数据点映射至最终相似日负荷曲线中多个数据点的数据点，并截取预测的负荷曲线中一个数据点映射至最终相似日负荷曲线中多个数据点的数据点对应的负荷曲线，通过该数据点映射的最终相似日负荷曲线中多个数据点对应的负荷曲线部分对截取的负荷曲线进行替换，同时筛选出预测的负荷曲线中会重复映射至最终相似日负荷曲线中同一个数据点的若干个数据点，并将预测的负荷曲线中筛选出的数据点对应的负荷曲线删除，完成预测的负荷曲线的修正。
[0016]进一步的，在根据待预测日的形态标签预测结果选取相同形态标签的若干相似日负荷曲线后，还计算选取的若干相似日负荷曲线的平均值，并将计算结果作为最终相似日负荷曲线。
[0017]进一步的，在通过动态时间规划算法获取映射数组后，计算每种映射路径的累积距离，并将累积距离最小的映射路径作为预测的负荷曲线和最终相似日负荷曲线之间的最佳映射路径。
[0018]进一步的，在截取预测的负荷曲线中一个数据点映射至最终相似日负荷曲线中多个数据点的数据点对应的负荷曲线，通过该数据点映射的最终相似日负荷曲线中多个数据点对应的负荷曲线部分对截取的负荷曲线进行替换时，还通过预测的负荷曲线幅值均值以及最终相似日负荷曲线幅值的均值对进行替换的负荷曲线部分的幅值进行缩放调节。
[0019]进一步的，在通过动态时间规划算法对预测的负荷曲线进行修正时，还保持预测的负荷曲线的起点和结束点不变，且在完成预测的负荷曲线的修正后，预测的负荷曲线内的数据点数量不变。
[0020]本专利技术的有益效果是：
[0021]利用了负荷数据所构成的负荷曲线自身所具备的形状信息，并通过聚类算法来获取对应的形状标签，能够基于形状标签来获取相似日负荷曲线，从而在获取了预测的负荷曲线后，通过相似日负荷曲线对预测的负荷曲线进行修正，能够降低气象数据等预测所用数据存在的不确定性对预测结果带来的影响，大大提高短期负荷预测结果的准确性。
附图说明
[0022]图1是本专利技术的一种流程示意图；
[0023]图2是本专利技术实施例的一种不同k值情况下的SBD分布图；
[0024]图3是本专利技术实施例的一种k值为4时的聚类结果示意图；
[0025]图4是本专利技术实施例的一种利用最终相似日负荷曲线进行修正后与预测结果的比较图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术进一步描述。
[0027]实施例：
[0028]一种基于形态聚类的短期负荷预测修正方法，如图1所示，包括：
[0029]调取历史负荷数据，通过聚类算法对历史负荷数据进行形态聚类，并基于聚类结果设置若干个形态标签；
[0030]构建负荷形态预测模型，调取负荷影响因素特征数据，根据负荷影响因素特征数据进行待预测日的形态标签预测，并根据待预测日的形态标签预测结果选取相同形态标签的若干相似日负荷曲线；
[0031]根据相似日预测算法根据负荷影响因素特征数据对待预测日的负荷进行预测，获取预测的负荷曲线；
[0032]通过动态时间规划算法根据选取的相似日负荷曲线对预测的负荷曲线进行修正。
[0033]每日的负荷数据能够视为一种时间序列，而在通过聚类算法对历史负荷数据进行形态聚类时，能够通过形态之间的相似度来实现聚类，而形态之间的相似度能够通过形态距离来实现评价。
[0034]在通过聚类算法对历史负荷数据进行形态聚类时，通过计算两个历史负荷数据之间的互相关系数来确定历史负荷数据间的形态相似距离，并基于形态相似距离进行形态聚类。
[0035]以某两日的历史负荷数据为例，某两日的历史负荷数据分别为等长时间序列X＝{x1,x2...x
m
}与Y＝{y1,y2...y
m
}。对于这两个时间序列，其形似部分的形状之间存在有时间延迟，故需要对时间序列进行平移。这里假设序列X需要平移而另外一个序列保持静止，即：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于形态聚类的短期负荷预测修正方法，其特征在于，包括：调取历史负荷数据，通过聚类算法对历史负荷数据进行形态聚类，并基于聚类结果设置若干个形态标签；构建负荷形态预测模型，调取负荷影响因素特征数据，根据负荷影响因素特征数据进行待预测日的形态标签预测，并根据待预测日的形态标签预测结果选取相同形态标签的若干相似日负荷曲线；根据相似日预测算法根据负荷影响因素特征数据对待预测日的负荷进行预测，获取预测的负荷曲线；通过动态时间规划算法根据选取的相似日负荷曲线对预测的负荷曲线进行修正。2.根据权利要求1所述的一种基于形态聚类的短期负荷预测修正方法，其特征在于，在通过聚类算法对历史负荷数据进行形态聚类时，通过计算两个历史负荷数据之间的互相关系数来确定历史负荷数据间的形态相似距离，并基于形态相似距离进行形态聚类。3.根据权利要求2所述的一种基于形态聚类的短期负荷预测修正方法，其特征在于，所述形态相似距离的表达式为：其中：SBD(X,Y)为两个历史负荷数据之间的形态相似距离，X，Y分别为两个历史负荷数据，cc
w
(X,Y)为两个历史负荷数据之间的互相关系数，R0(X,X)为历史负荷数据X的自相关系数，R0(Y,Y)为历史负荷数据Y的自相关系数。4.根据权利要求1所述的一种基于形态聚类的短期负荷预测修正方法，其特征在于，通过动态时间规划算法对预测的负荷曲线进行修正的具体过程为：选取最终相似日负荷曲线，通过动态时间规划算法得到预测的负荷曲线与最终相似日负荷曲线之间的映射数组，并基于最佳映射路径确定预测的负荷曲线与最终相似日负荷曲线之间每个点的映射路径，筛选出预测的负荷曲线中一个数据点映射至最终相似日负荷曲线中多...

【专利技术属性】
技术研发人员：章渊，黄薇，夏澍，杨帆，沈颖平，
申请(专利权)人：上海云欣电子信息技术有限公司，
类型：发明
国别省市：