【技术实现步骤摘要】
一种基线负荷预测方法、装置、电子设备和存储介质
[0001]本专利技术涉及数据分析领域，尤其涉及一种基线负荷预测方法、装置、电子设备和存储介质。
技术介绍
[0002]近年来，国内新建公共楼宇面积数量持续性增长，楼宇能耗量占社会生产生活总能耗的30％至40％，夏季与冬季峰值负荷占比甚至超过50％。负荷侧相关的优化运行管控是实现电力行业节能减排的关键技术之一，通过调动需求侧公共楼宇负荷资源主动参与电网调峰调频，能有效缓解电力供需矛盾并促进节能降耗。
[0003]传统的基线负荷预测方法，如根据用户类型、所在地区等进行分类，针对每一类用户取其中个别用户的用电负荷数据及其所在地气温/湿度等影响因素建立回归式，求出回归式参数，从而估计基线负荷的准确度有限；数据预处理方式较为简单，在历史数据不完整、数据记录错误等因素导致历史负荷数据质量不高时，所用预处理方法如主成分分析法存在计算结果信息量不准确以及降维导致主成分含义模糊等局限性，会影响负荷预测的精度，降低预测的准确性。因此，现有技术中存在基线负荷预测前的数据预处理得到的数据质量
【技术保护点】
【技术特征摘要】
1.一种基线负荷预测方法，其特征在于，所述方法包括：获取历史负荷数据以及由指标确定的历史日数据和预测日数据，其中，所述指标包括温度、湿度、气压、降水、辐照度以及风速；对由所述历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定所述指标中的主成分以及对应的主成分综合得分；根据由所述主成分综合得分划分后的指标对应的历史日数据和预测日数据计算预测日和历史日的气象相似度；根据所述气象相似度以及预测日和历史日的时间相似度确定与预测日相似的历史日集合；采用反向传播神经网络根据所述历史负荷数据、所述历史日集合、气象矩阵以及所述预测日数据得到预测日负荷数据，所述气象矩阵由划分后的指标对应的历史日数据和预测日数据构成。2.根据权利要求1所述的基线负荷预测方法，其特征在于，在所述对由所述历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定所述指标中的主成分以及对应的主成分综合得分之前，所述方法还包括：根据所述历史日数据生成历史日数据矩阵，其中，所述历史日数据矩阵的行向量代表一个样本，所述一个样本包括目标时刻下所述指标对应的历史日数据，所述历史日数据矩阵的列向量包括一项指标在所有时刻下的历史日数据；对所述历史日数据矩阵进行标准化处理；根据标准化处理后的矩阵的列向量中历史日数据的平均值对缺失的数据进行预填补；基于灰色关联算法，确定与包含缺失数据的样本最相关的预填补后的矩阵中的样本；采用KNN算法和DBSCAN算法根据所述矩阵中的样本计算缺失数据的填补值。3.根据权利要求2所述的基线负荷预测方法，其特征在于，所述采用KNN算法和DBSCAN算法根据所述矩阵中的样本计算缺失数据的填补值，包括：根据与包含缺失数据的样本最相关的预填补后的矩阵中的样本的数据确定DBSCAN算法的邻域半径和阈值；根据所述邻域半径和阈值确定所述数据中的异常值；采用KNN算法对删除异常值后的样本中的数据计算得到缺失数据的填补值。4.根据权利要求2所述的基线负荷预测方法，其特征在于，所述对由所述历史日数据构成的矩阵采用基于熵值法改进的主成分分析法确定所述指标中的主成分以及对应的主成分综合得分，包括：根据填补后的历史日数据生成完整历史日数据矩阵；根据所述完整历史日数据矩阵中列向量的均值对所述完整历史日数据矩阵进行归一化处理；计算归一化处理后的矩阵的协方差矩阵以及所述协方差矩阵的特征值和特征向量；根据所述特征值的累计方差贡献率确定所述指标中的主成分；根据所述特征向量和所述归一化处理后的矩阵计算主成分得分；根据主成分熵值和主成分样本比重的加权和确定主成分综合得分，其中，所述主成分熵值和主成分样本比重根据所述主成分得分确定。
5.根据权利要求4所述的基线负荷预测方法，其特征在于，所述根据主成分熵值和主成分样本比重的...
【专利技术属性】
技术研发人员：王素，费斐，吕冉，郭明星，兰莉，虞婧，傅晨，蓝国卉，刘莹，
申请(专利权)人：国网智能电网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。