一种基于负荷预测修正的区域电网主动规划方法及系统技术方案

本发明专利技术公开了一种基于负荷预测修正的区域电网主动规划方法及系统，涉及电网规划技术领域。本发明专利技术考虑业扩负荷报装需求和峰谷差价影响，在负荷发展趋势相似的基础上，确定规划年预测的基准值。然后收集与选择不确定性因素基础数据，基于LSTM建立影响负荷大小因素偏差和负荷偏差百分比的相关关系模型，对负荷预测值基准值进行修正。与传统电网负荷预测相比，本发明专利技术通过加入不确定因素影响的量化修正，从而提高负荷预测的准确度。结合电力平衡规划方法，提出变电容量规划方案，为区域电网主动规划提供有力的技术支持。划提供有力的技术支持。划提供有力的技术支持。

【技术实现步骤摘要】
一种基于负荷预测修正的区域电网主动规划方法及系统


[0001]本专利技术涉及电网规划
，尤其涉及一种基于负荷预测修正的区域电网主动规划方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]负荷预测是配电网规划的关键要素，负荷预测按照预测的时间可以分为长期、中期和短期负荷预测。月度负荷预测属于中短期负荷预测，对于燃料计划采购、计划检修、电力交易、收入评估等至关重要。传统规划中负荷预测包括电力弹性系数法、用电单耗法、分部门预测法、人均电量法、平均增长率法、线性增长趋势法、指数曲线增长趋势法等。
[0004]在电力市场逐渐放开的背景下，传统的规划负荷预测已经难以满足新型电力系统需求。一方面，在新型电力系统建设过程中涉及大量不确定性因素的影响，其中部分影响难以忽视，直接影响到负荷总量变化，而传统的规划负荷预测方法对于这些不确定性因素的考虑不够全面，无法保证负荷预测的精确度与准确度。另一方面，影响负荷预测的大量不确定因素不仅种类繁多，且具体机理相对复杂难以明确，还缺乏足够数据，导致预测结果与实际情况相差甚远，而传统的规划负荷预测无法对预测结果进行修正，因此实用性较差，不能为区域电网主动规划提供有力的技术支持。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的是提供一种基于负荷预测修正的区域电网主动规划方法及系统，与传统电网负荷预测相比，本专利技术通过加入不确定因素影响的量化修正，从而提高负荷预测的准确度。结合电力平衡规划方法，提出变电容量规划方案，为区域电网主动规划提供有力的技术支持。
[0006]为了实现上述目的，本专利技术是通过如下的技术方案来实现：本专利技术第一方面提供了一种基于负荷预测修正的区域电网主动规划方法，包括以下步骤：获取区域电网预测月前一时段内变电站的负荷相关因素数据，利用月最大负荷偏差预测模型，得到月负荷偏差；其中，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型；基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；月负荷基准值的获取过程为：利用灰色关联系数法计算各特征矩阵之间的距离；根据特征矩阵之间的距离判断不同日期不同行业月度负荷变化相关因素之间的相似程度；基于相似程度动态排序的判断结果，获取相似变化的负荷值；其中，月最大负荷值即为月负荷基准值；将同一馈线下的预测月的负荷预测值叠加，乘以馈线同时率得到所在馈线的预测
负荷预测结果；基于“源
‑
荷
‑
网”一体化平衡原则，结合所在馈线的预测负荷预测结果计算配变容量大小。
[0007]本专利技术第二方面提供了一种基于负荷预测修正的区域电网主动规划系统，包括：数据修正模块，被配置为获取区域电网预测月前一时段内变电站的负荷相关因素数据，利用月最大负荷偏差预测模型，得到月负荷偏差；其中，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型；负荷预测模块，被配置为基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；月负荷基准值的获取过程为：利用灰色关联系数法计算各特征矩阵之间的距离；根据特征矩阵之间的距离判断不同日期不同行业月度负荷变化相关因素之间的相似程度；基于相似程度动态排序的判断结果，获取相似变化的负荷值；其中，月最大负荷值即为月负荷基准值；预测叠加模块，被配置为将同一馈线下的预测月的负荷预测值叠加，乘以馈线同时率得到所在馈线的预测负荷预测结果；容量规划模块，被配置为基于“源
‑
荷
‑
网”一体化平衡原则，结合所在馈线的预测负荷预测结果计算配变容量大小。
[0008]以上一个或多个技术方案存在以下有益效果：本专利技术公开了一种基于负荷预测修正的区域电网主动规划方法及系统，相比于传统的规划负荷预测方法对不确定性因素片面的选择，本申请还考虑了业扩负荷报装需求和峰谷差价影响，并且在负荷发展趋势相似的基础上，确定相似度最高的月最大负荷值为年预测的基准值。然后基于不确定性因素基础数据，利用LSTM建立影响负荷大小因素偏差和负荷偏差百分比的相关关系模型，对负荷预测值基准值进行修正。与传统电网负荷预测相比，本专利技术通过加入不确定因素影响构建特征向量计算得到负荷偏差，根据相似度确定基准值从而量化修正，提高了负荷预测的准确度。结合电力平衡规划方法，提出变电容量规划方案，为区域电网主动规划提供有力的技术支持。
[0009]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0010]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0011]图1为本专利技术实施例一中基于负荷预测修正的区域电网主动规划方法的流程图。
具体实施方式
[0012]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0013]应当说明的是，本申请实施例中，涉及到负荷相关因素等相关的数据，当本申请以上实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0014]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；实施例一：本专利技术实施例一提供了一种基于负荷预测修正的区域电网主动规划方法，如图1所示，包括以下步骤：步骤1获取区域电网预测月前一时段内变电站的负荷相关因素数据，利用月最大负荷偏差预测模型，得到月负荷偏差。
[0015]步骤2，基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；步骤3，将同一馈线下的预测月的负荷预测值叠加，乘以馈线同时率得到所在馈线的预测负荷预测结果；步骤4，基于“源
‑
荷
‑
网”一体化平衡原则，结合所在馈线的预测负荷预测结果计算配变容量大小。
[0016]步骤1中，月最大负荷偏差预测模型的构建过程为：利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型。
[0017]其中，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集的具体步骤为：（1）获取区域电网一定时间内的历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于负荷预测修正的区域电网主动规划方法，其特征在于，包括以下步骤：获取区域电网预测月前一时段内变电站的负荷相关因素数据，利用月最大负荷偏差预测模型，得到月负荷偏差；其中，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型；基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；月负荷基准值的获取过程为：利用灰色关联系数法计算各特征矩阵之间的距离；根据特征矩阵之间的距离判断不同日期不同行业月度负荷变化相关因素之间的相似程度；基于相似程度动态排序的判断结果，获取相似变化的负荷值；其中，月最大负荷值即为月负荷基准值；将同一馈线下的预测月的负荷预测值叠加，乘以馈线同时率得到所在馈线的预测负荷预测结果；基于“源
‑
荷
‑
网”一体化平衡原则，结合所在馈线的预测负荷预测结果计算配变容量大小。2.如权利要求1所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集的具体步骤为：获取区域电网一定时间内的历史负荷相关因素数据形成样本数据集；通过k
‑
均值聚类算法计算得到不同业扩种类下的负荷生长周期情况；基于样本数据集，根据不同业扩种类下的负荷生长周期情况构建特征向量，由特征向量形成训练数据集。3.如权利要求2所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，通过k
‑
均值聚类算法计算得到不同业扩种类下的负荷生长周期情况的具体步骤为：通过k
‑
均值聚类计算得到不同行业下的相关负荷指标；通过生长曲线拟合和k
‑
均值聚类得到不同业扩种类下的负荷生长周期情况。4.如权利要求3所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，不同行业下的相关负荷指标包括月最大负荷、月最小负荷、月平均负荷、月平均日负荷率、月最大峰谷差和月平均日峰谷差率。5.如权利要求2所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型的具体步骤为：根据实际负荷值和相似时段的负荷值计算月最大负荷值偏差；根据特征矩阵和相似时段相关因素的特征矩阵计算相关因素偏差；其中，特征矩阵由添加时间序列的特征向量构成；以相关因素偏差为输入，月最大负荷值偏差为输出，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型。6.一种基于负荷预测修正的区域电网主动规划系统，其特征在于，包括：数据修正模块，被配置为获取区...

【专利技术属性】
技术研发人员：赵晶，崔艳昭，庞怡君，孙成，管春伟，程涛，李亚锦，
申请(专利权)人：国网山东省电力公司青岛供电公司，
类型：发明
国别省市：