一种适应多用户类型的负荷预测匹配方法组成比例

本发明专利技术涉及一种适应多用户类型的负荷预测匹配方法，包括以下步骤：步骤1、采集不同用户的用电负荷数据，对负荷数据进行预处理；步骤2、基于步骤1预处理后的用户用电负荷数据集Ω，通过K

【技术实现步骤摘要】
一种适应多用户类型的负荷预测匹配方法


[0001]本专利技术属于电力系统负荷预测
，涉及一种负荷预测匹配方法，尤其是一种适应多用户类型的负荷预测匹配方法。

技术介绍

[0002]电力负荷预测是在综合考虑政治、经济、气候等因素的基础上，根据已有的用电数据来预测之后的用电需求；是电力系统制定生产计划、进行营销决策的重要基础，也是满足电力供需平衡的重要保证，为电网规划建设及企业的生产经营提供数据信息与决策依据，也为电力系统安全性、可靠性的提高提供支持。
[0003]随着电力市场改革的深化，国家颁布有关开展电网企业代理购电工作的通知，建立电网企业代理购电机制，通过市场化的方式对未直接参与市场交易的工商业用户进行代理购电。在该形势下，需定期预测不同电力用户的用电规模。因此，需要判定用户类型，再根据不同用户类型匹配合适的负荷预测方法，以提高对不同用户负荷预测的针对性与预测精度。
[0004]针对目前的新形势，现有电力负荷预测方法的研究多集中于对短期负荷预测与长期负荷预测精确度的算法改进以及单一用电负荷的预测，对于不同用户类型的分类预测的匹配程度还不够高。因此，亟需提供一种新型的适应多用户类型的负荷预测匹配方法来解决上述问题。
[0005]经检索，未发现与本专利技术相同或相似的现有技术的专利文献。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的不足，提出一种适应多用户类型的负荷预测匹配方法，能够用于划分电力用户类型，并对不同电力用户类型及其适用的电力负荷预测方法进行匹配。
[0007]本专利技术解决其现实问题是采取以下技术方案实现的：
[0008]一种适应多用户类型的负荷预测匹配方法，包括以下步骤：
[0009]步骤1、采集不同用户的用电负荷数据，对负荷数据进行预处理；
[0010]步骤2、基于步骤1预处理后的用户用电负荷数据集Ω，通过K
‑
means聚类分析方法对用户类型进行分类；
[0011]步骤3、对不同负荷预测方法的适用性进行对比分析，形成负荷预测方法库；
[0012]步骤4、将步骤2聚类后的用户类型与步骤3对比分析形成的负荷预测方法库中的多种负荷预测方法进行匹配，通过相似度来度量不同用户类型与负荷预测方法之间的匹配程度；
[0013]步骤5、对用户负荷进行适应性预测。
[0014]而且，所述步骤1的具体步骤包括：
[0015](1)对用户的用电负荷数据进行采集，选取用户负荷样本的小时平均负荷数据；
[0016](2)对采集数据进行预处理：
[0017]①
若用户小时平均负荷数据中存在较多的缺失值和异常值，则将该负荷数据剔除；对小时平均负荷数据中存在个别缺失值的数据采用线性插值法进行补充；形成初始负荷数据p，p的值为经过数据处理后的小时平均负荷数据；
[0018]②
对剔除和填充处理后的小时平均负荷数据进行归一化处理，形成用户用电负荷数据集Ω＝{R1,R2,...,R
n
}；
[0019]而且，所述步骤2具体方法为：
[0020]根据步骤1经过数据处理的用户用电负荷数据集Ω，采用K
‑
means聚类算法对电力用户进行分类：
[0021](1)输入经过步骤1处理的用户用电负荷数据集Ω，从数据集Ω中随机选取k个用户对象，将k个对象的负荷数据平均值赋予初始聚类中心
[0022](2)计算负荷数据集Ω中其他负荷值到原聚类中心负荷数据平均值的距离l
i,j
，采用欧式距离表示l
i,j
，其具体公式如下：
[0023][0024](3)比较各负荷值到聚类中心的距离l
i,j
，根据距离中心的大小将负荷平均值数据分配到各相应的类中，重新计算每类中数据的平均值，形成新的聚类中心
[0025][0026]n
i
为第i个聚类中心所属的簇中负荷数据的个数，j
i
为第i个聚类中心所属的簇中第j
i
个用户，为第i个聚类中心所属的簇中第j
i
个用户的负荷值。
[0027](4)判断相对于是否发生变化，若发生变化，重复步骤(2)、(3)，直至聚类中心不再发生变化，此时的聚类中心为最终聚类中心的负荷数据即代表同一类型的典型用户。
[0028]而且，所述步骤4的具体步骤包括：
[0029](1)首先计算所采集的用户负荷样本集与预测方法库中负荷预测方法对应样本量之间的相似性度量：
[0030]基于Jaccard相关系数来表示用户负荷样本集与负荷预测方法对应样本量之间的相似性度量，用Cor
sample
表示，其计算方法如下：
[0031][0032]式中，|P
x
|表示步骤1中所采集到的用户负荷样本数量个数X，|P
y
|表示负荷预测方法适用样本量范围的平均值Y，|P
x,y
|表示用户负荷样本数量X和负荷预测方法适用样本量Y在
±
10％的波动范围内交叉的部分数量。
[0033](2)其次根据文本相似度来度量负荷预测方法的时间范围适用性：
[0034]适用性文本相似度指样本所要进行的预测周期与各负荷预测方法适用周期之间的匹配程度度量，用Cor
text
表示；
[0035]设要比对的样本预测周期与负荷预测方法适用周期的文本向量分别为T1,T2，不同用户类型根据预测时间范围的不同对应文本向量T1＝(α1,α2,...,α
n
)，负荷预测方法库中方法对应的文本向量为T2＝(β1,β2,...,β
n
)，通过计算T1与T2的内积，利用余弦算法求得二者之间的相似度：
[0036]T1·
T2＝α1×
β1+α2×
β2+...+α
n
×
β
n
[0037][0038]|T1|,|T2|分别表示向量T1,T2的模，的模，γ为向量T1与向量T2的夹角(γ∈[0,π])，余弦相似度cosγ即为本实施例的负荷预测方法的时间范围适用性文本相似度Cor
text
。
[0039](3)再根据用户负荷样本集、负荷预测方法对应样本量之间的相似性度量与负荷预测方法时间范围适用性的文本度量计算总相似度。
[0040](4)总相似度用于表示步骤2用户分类类型与步骤3负荷预测方法库的预测方法之间的匹配程度，是通过上述的样本数据量相似度与时间范围适应性文本相似度，按照用户类型与负荷预测方法匹配时的实际情况确定权重计算，用Cor
total
表示。
[0041]不同相似度的权重表示分别表示对该相似度指标的信任程度大小，总相似度为负荷样本相似度与预测方法适应性相似度两个子相似度与其对应权重相乘之和，具体计算公式如下：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适应多用户类型的负荷预测匹配方法，其特征在于：包括以下步骤：步骤1、采集不同用户的用电负荷数据，对负荷数据进行预处理；步骤2、基于步骤1预处理后的用户用电负荷数据集Ω，通过K
‑
means聚类分析方法对用户类型进行分类；步骤3、对不同负荷预测方法的适用性进行对比分析，形成负荷预测方法库；步骤4、将步骤2聚类后的用户类型与步骤3对比分析形成的负荷预测方法库中的多种负荷预测方法进行匹配，通过相似度来度量不同用户类型与负荷预测方法之间的匹配程度；步骤5、对用户负荷进行适应性预测。2.根据权利要求1所述的一种适应多用户类型的负荷预测匹配方法，其特征在于：所述步骤1的具体步骤包括：(1)对用户的用电负荷数据进行采集，选取用户负荷样本的小时平均负荷数据；(2)对采集数据进行预处理：
①
若用户小时平均负荷数据中存在较多的缺失值和异常值，则将该负荷数据剔除；对小时平均负荷数据中存在个别缺失值的数据采用线性插值法进行补充；形成初始负荷数据p，p的值为经过数据处理后的小时平均负荷数据；
②
对剔除和填充处理后的小时平均负荷数据进行归一化处理，形成用户用电负荷数据集Ω＝{R1,R2,...,R
n
}。3.根据权利要求1所述的一种适应多用户类型的负荷预测匹配方法，其特征在于：所述步骤2具体方法为：根据步骤1经过数据处理的用户用电负荷数据集Ω，采用K
‑
means聚类算法对电力用户进行分类：(1)输入经过步骤1处理的用户用电负荷数据集Ω，从数据集Ω中随机选取k个用户对象，将k个对象的负荷数据平均值赋予初始聚类中心(2)计算负荷数据集Ω中其他负荷值到原聚类中心负荷数据平均值的距离l
i,j
，采用欧式距离表示l
i,j
，其具体公式如下：(3)比较各负荷值到聚类中心的距离l
i,j
，根据距离中心的大小将负荷平均值数据分配到各相应的类中，重新计算每类中数据的平均值，形成新的聚类中心配到各相应的类中，重新计算每类中数据的平均值，形成新的聚类中心n
i
为第i个聚类中心所属的簇中负荷数据的个数，j
i
为第i个聚类中心所属的簇中第j
i
个用户，为第i个聚类中心所属的簇中第j
i
个用户的负荷值；(4)判断相对于是否发生变化，若发生变化，重复步骤(2)、(3)，直至聚类中心不再发生变化，此时的聚类中心为最终聚类中心的负荷数据即代表同一类型的典型用户。4.根据权利要求1所述的一种适应多用户类型的负荷预测匹配方法，其特征在于：所述步骤4的具体步骤包括：(1)首先计算所采集的用户负荷样本集与预测方法库中负荷预测方法对应样本量之间的相似性度量：基于Jaccard相关系数来表示用户负荷样本集与负荷预测方法对应样本量之间的相似性度量，用Cor
sample
表示，其计算方法如下：式中，|P
x
|表示步骤1中所采集到的用户负荷样本数量个数X，|P
...

【专利技术属性】
技术研发人员：刘科学，谢枫，王龙宇，杨彩月，曹正，韩硕辰，周辛南，王少林，何佳美，张颖，王轩，侯欣怡，陈彧辰，许小峰，刘敦楠，刘明光，李根柱，
申请(专利权)人：国家电网有限公司北京华电能源互联网研究院有限公司，
类型：发明
国别省市：