电网负荷预测模型的建立方法及计算机可读储存介质技术

本发明专利技术提供一种电网负荷预测模型的建立方法，包括数据获取，数据清洗，建立线路负荷预测模型，通过变电站叠加负荷预测模型与变电站XGBoost负荷预测模型相互检验得到的变电站负荷预测模型；以及相互检验得到的区域负荷预测模型等步骤。该电网负荷预测模型的建立方法通过采用XGBoost预测方法对电网历史运行数据结合影响电网的气候、日程数据进行分析生成电网不同层级的负荷预测模型，能够保证训练后的模型的精准度，在更高层级的变电站负荷预测与区域负荷预测中，由于结合下层负荷预测模型与当前层级负荷预测模型，兼顾了电网的局部信息与范围信息，因此相比于依靠单层模型的预测，能够使负荷预测模型的结果更接近实际情况。够使负荷预测模型的结果更接近实际情况。够使负荷预测模型的结果更接近实际情况。

【技术实现步骤摘要】
电网负荷预测模型的建立方法及计算机可读储存介质


[0001]本专利技术涉及电网负荷预测
，具体涉及一种电网负荷预测模型的建立方法及计算机可读储存介质。

技术介绍

[0002]近年为了加快以碳达峰、碳中和为目标的新型电力系统的建设，从不同维度对配电网各级展开精准负荷预测，将有效地为源网荷储的优化调度提供支撑。传统电网负荷预测与气候因素具有很强的关联性，但随着电网系统中新能源的广泛接入和以碳中和为目标的各项政策的实施，影响电网负荷的因素变的更加复杂。随着风电、光伏等新能源的快速发展,电力系统的负荷需求变化和新能源出力的随机波动性具有高度的相关性,因此研究新型电力系统背景下电力负荷预测带来的影响意义重大。而负荷预测是配电网运行与规划的重要组成部分,也是配电网资产效益提升的基础。开展新型电力系统下面向区域、变电站和线路的中长期负荷预测的研究工作，可以通过技术手段有效提升电网运维效率，减小高负荷是运维不及时造成的电网故障，辅助构建以新能源为主题的新型电力系统。
[0003]因此，在传统负荷预测方法基础上，以新型电力系统为背景，通过开展对典型用户的负荷曲线和负荷特性研究，并结合新型电力系统的特点，挖掘影响典型用户负荷的主要因素，综合考虑新型电力系统下用户的行业特性，宏观经济发展情况等因素，通过集成学习对基于多种影响因素下的多种负荷预测算法进行集成，开展多影响因素的精准负荷预测研究，通过自下而上负荷预测模型对区站线的负荷开展中长期预测。然而现有技术中，对于电网的中长期负荷预测的精准度有待提升。

技术实现思路
<br/>[0004]针对现有技术中电网负荷预测的精准度有待提升的问题，本专利技术提供一种电网负荷预测模型的建立方法及计算机可读储存介质。
[0005]本专利技术的技术方案提供一种电网负荷预测模型的建立方法，包括如下步骤：
[0006]数据获取：获取电网系统的历史负荷数据，同时获取电网系统所在区域的历史气候数据。
[0007]数据清洗：对历史负荷数据清洗处理得到可用的历史负荷数据；
[0008]线路负荷预测模型建立：对于某一输电线路，基于输电线路的历史负荷数据以及输电线路所在区域的历史气候数据训练基于XGBoost算法的预测模型，得到该输电线路的线路负荷预测模型；
[0009]变电站负荷预测模型建立：将变电站下辖线路的线路负荷预测模型进行同时率叠加得到变电站叠加负荷预测模型基于变电站的历史负荷数据以及其所辖片区的历史气候数据训练基于XGBoost算法的预测模型，得到该变电站的变电站XGBoost负荷预测模型将变电站叠加负荷预测模型与变电站XGBoost负荷预测模型
相互检验得到变电站负荷预测模型M
subs
；
[0010]区域负荷预测模型建立：根据电网拓扑结构，将区域内变电站的变电站负荷预测模型进行同时率叠加得到区域叠加负荷预测模型基于所在区域的历史负荷数据以及其历史气候数据训练基于XGBoost算法的预测模型，得到所在区域的区域XGBoost负荷预测模型将区域叠加负荷预测模型与区域XGBoost负荷预测模型相互校验得到区域负荷预测模型M
area
。
[0011]具体的，
[0012]所述将变电站叠加负荷预测模型与变电站XGBoost负荷预测模型相互检验得到变电站负荷预测模型M
subs
；步骤按下式的判断逻辑进行：
[0013][0014]其中，mean函数为取两者均值；
[0015]所述将区域叠加负荷预测模型与区域XGBoost负荷预测模型相互校验得到区域负荷预测模型M
area
按下式的判断逻辑进行：
[0016][0017]其中，mean函数为取两者均值。
[0018]具体的，所述数据清洗步骤中，选取利用马尔科夫模型对中压线路历史负荷数据的序列片段进行提取，得到可用的历史负荷数据，马尔科夫分析法的基本模型为：X(k+1)＝X(k)
×
P；公式中X(k)表示趋势分析与预测对象在t＝k时刻的状态向量，P表示一步转移概率矩阵，X(k+1)表示趋势分析与预测对象在t＝k+1时刻的状态向量。
[0019]本专利技术还提供一种计算机可读储存介质，存储有计算机程序，所述计算机程序被处理器执行时，使所述处理器执行如权利要求1
‑
3任一项所述的电网负荷预测模型的建立方法的步骤。
[0020]本专利技术的电网负荷预测模型的建立方法通过采用XGBoost预测方法对电网历史运行数据结合影响电网的气候、日程数据进行分析生成电网不同层级的负荷预测模型。由于在模型训练的过程中考虑了影响电网负荷波动的时间、气候等主要外部因素，其预测可靠性能够得到保证，从而在单层预测中能够保证训练后的模型的精准度。在更高层级的变电站负荷预测与区域负荷预测中，由于结合下层负荷预测模型与当前层级负荷预测模型，兼顾了电网的局部信息与范围信息，因此相比于依靠单层模型的预测，能够使负荷预测模型的结果更接近实际情况。
附图说明
[0021]图1为本专利技术的预测模型的构建流程图；
[0022]图2为本专利技术的XGBoost算法学习机个数的参数调节曲线；
[0023]图3为本专利技术的XGBoost算法深度与正则化参数调节图；
[0024]图4为本专利技术的XGBoost算法深度与正则化参数调节；
[0025]图5为本专利技术的XGBoost算法惩罚系数参数调节曲线；
[0026]图6为本专利技术的XGBoost算法子采样的比例和使用特征占全部特征的比例参数调节图；
[0027]图7为本专利技术的XGBoost算法L1正则化和L2正则化参数调节图。
具体实施方式
[0028]以下结合附图和具体实施例，对本专利技术进行详细说明，在本说明书中，附图尺寸比例并不代表实际尺寸比例，其只用于体现各部件之间的相对位置关系与连接关系，名称相同或标号相同的部件代表相似或相同的结构，且仅限于示意的目的。
[0029]本专利技术的电网负荷预测模型包括线路负荷预测模型、变电站负荷预测模型以及区域负荷预测模型。由于电网的分布特点，某一区域内存在多个变电站，每个变电站下辖多个输电线路。因此从范围层级上看，线路负荷预测模型是底层的电网负荷预测模型，变电站负荷预测模型是中层的电网负荷预测模型，而区域负荷预测模型则是一定范围内的顶层电网负荷预测模型，不同层级的电网负荷预测模型由于其预测覆盖范围的不同，因此在实际预测应用中用于不同的应用场景。
[0030]对于上述电网负荷预测模型，本专利技术的电网负荷预测模型的建立方法的建立方法的步骤如图1的流程图所示，包括：
[0031]数据获取。获取电网系统的历史负荷数据，同时获取电网系统所在区域的历史气候数据。
[0032]数据清洗。对历史负荷数据清洗处理，选取利用马尔科夫模型对中压线路历史负荷数据的序列片段进行提取，得到可用的历史负荷数据。其中，马尔科夫分析法的基本模型为：X(k+1)＝X(k)
×...

【技术保护点】

【技术特征摘要】
1.一种电网负荷预测模型的建立方法，其特征在于，包括如下步骤：数据获取：获取电网系统的历史负荷数据，同时获取电网系统所在区域的历史气候数据。数据清洗：对历史负荷数据清洗处理得到可用的历史负荷数据；线路负荷预测模型建立：对于某一输电线路，基于输电线路的历史负荷数据以及输电线路所在区域的历史气候数据训练基于XGBoost算法的预测模型，得到该输电线路的线路负荷预测模型；变电站负荷预测模型建立：将变电站下辖线路的线路负荷预测模型进行同时率叠加得到变电站叠加负荷预测模型基于变电站的历史负荷数据以及其所辖片区的历史气候数据训练基于XGBoost算法的预测模型，得到该变电站的变电站XGBoost负荷预测模型将变电站叠加负荷预测模型与变电站XGBoost负荷预测模型相互检验得到变电站负荷预测模型M
subs
；区域负荷预测模型建立：根据电网拓扑结构，将区域内变电站的变电站负荷预测模型进行同时率叠加得到区域叠加负荷预测模型基于所在区域的历史负荷数据以及其历史气候数据训练基于XGBoost算法的预测模型，得到所在区域的区域XGBoost负荷预测模型将区域叠加负荷预测模型与区域XGBoost负荷预测模型相互校验得到区域负荷预测模型M
a...

【专利技术属性】
技术研发人员：王翔，王海伟，许建中，唐庆鹏，彭茁，赵刚，赵永智，陶策，
申请(专利权)人：国网安徽省电力有限公司合肥供电公司，
类型：发明
国别省市：