一种电网短期负荷预测方法及系统技术方案

本发明专利技术公开了一种电网短期负荷预测方法及系统，属于短期负荷预测技术领域。包括根据预设的时间粒度，获取历史负荷数据及对应的环境信息，计算环境信息中各环境因素与负荷之间的相关系数；根据相关系数，确定影响负荷的关键特征；基于历史负荷数据及对应的环境信息，对关键特征进行聚类，生成相似数据样本；基于环境累计效应，对相似数据样本中的环境信息进行修正，获取特征样本；将特征样本输入预设的短期负荷预测模型进行处理，获取短期负荷预测结果。能够充分考虑不同环境因素对短期负荷预测的影响，提高短期负荷预测的准确率，且减少运算量；解决了现有技术中存在“负荷相关的影响因素过多影响短期负荷预测的准确性”的问题。题。题。

【技术实现步骤摘要】
一种电网短期负荷预测方法及系统


[0001]本专利技术涉及短期负荷预测
，特别是涉及一种电网短期负荷预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]电力系统中各种电压的变电所及输配电线路组成的整体，称为电力网。它包含变电、输电、配电三个单元。电力网的任务是输送与分配电能，改变电压。短期负荷预测主要指日前负荷预测和周前负荷预测，为水电调度、机组启停、水火协调等提供参考依据，是电网日常运行所需的基础工作。
[0004]目前传统的短期负荷预测方法一般是将历史负荷数据对用于预测的神经网络模型进行训练和验证，利用神经网络模型的非线性特征，输出短期负荷预测结果。
[0005]但值得注意的是，负荷预测的外部影响因素多且复杂，并不是所有的因素都能够对短期负荷预测起到作用，仅依靠神经网络模型无法充分考虑影响因素的类别以及对负荷预测影响的重要性，导致预测精度无法保障；且历史负荷数据多且杂乱，使得运算量极大，影响神经网络模型的鲁棒性。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了一种电网短期负荷预测方法及系统，筛选出对影响短期负荷预测的环境信息，考虑环境信息变化对人们用电行为的影响对环境信息进行修正，再进行短期负荷预测，提高电网短期负荷预测的效率和准确率。
[0007]第一方面，本专利技术提供了一种电网短期负荷预测方法；
[0008]一种电网短期负荷预测方法，包括：
[0009]根据预设的时间粒度，获取历史负荷数据及对应的环境信息，计算环境信息中各环境因素与负荷之间的相关系数；根据相关系数，确定影响负荷的关键特征；
[0010]基于历史负荷数据及对应的环境信息，对关键特征进行聚类，生成相似数据样本；基于环境累计效应，对相似数据样本中的环境信息进行修正，获取特征样本；
[0011]将特征样本输入预设的短期负荷预测模型进行处理，获取短期负荷预测结果。
[0012]进一步的，所述计算环境信息中各环境因素与负荷之间的相关系数，根据相关系数，确定影响负荷的关键特征包括：
[0013]对历史负荷数据及对应的环境信息进行归一化处理，计算各环境因素与负荷数据的相关系数，获取相关系数集；
[0014]根据相关系数集，确定阈值；根据阈值和各环境因素对应的相关系数，筛选环境因素作为影响负荷的关键特征。
[0015]进一步的，所述相关系数表示为：
[0016][0017]其中，L为相关系数，x为环境因素，y为负荷，cov为协方差，σ
x
为环境因素的标准差，σ
y
为负荷的标准差。
[0018]进一步的，所述对关键特征进行聚类，生成相似数据样本包括：
[0019]基于历史负荷数据及对应的环境信息，通过K
‑
means算法对关键特征进行聚类，计算关键特征与其他环境信息的相似度，获取相似数据样本；
[0020]其中，所述相似数据样本包括历史负荷数据、对应的关键特征和与关键特征相似度高的其他环境信息。
[0021]进一步的，所述基于环境累计效应，对相似数据样本中的环境信息进行修正包括：
[0022]根据相似数据样本中的负荷信息进行筛选，获取相似负荷信息；根据相似负荷信息，筛选连续时间段内的环境信息，判断某一时间粒度对应的环境信息是否发生突变；
[0023]若是，根据连续时间段内的环境信息，确定修正系数；
[0024]根据修正系数，基于连续时间段内的环境信息和某一时间粒度对应的环境信息，获取修正后的环境信息。
[0025]优选的，所述修正后的环境信息表示为：
[0026][0027]其中，E
’
为修正后的环境信息，E
n
为第n天的实际环境信息，K
n
‑
t
为第n
‑
t天的修正系数，E
n
‑
t
为第n
‑
t天的实际环境信息。
[0028]进一步的，在计算环境信息中各环境因素与负荷之间的相关系数之前，还包括：
[0029]筛选历史负荷数据中的异常值，进行异常值修正；筛选历史负荷数据中的缺失值，使用连续时间段内的平均值进行填充。
[0030]优选的，所述筛选历史负荷数据中的异常值，进行异常值修正具体为：通过均值滤波的方式对异常值进行处理。
[0031]进一步的，所述短期负荷预测模型为BP神经网络模型。
[0032]第二方面，本专利技术提供了一种电网短期负荷预测系统；
[0033]一种电网短期负荷预测系统，包括：
[0034]关键特征选取模块，被配置为：根据预设的时间粒度，获取历史负荷数据及对应的环境信息，计算环境信息中各环境因素与负荷之间的相关系数；根据相关系数，确定影响负荷的关键特征；
[0035]环境信息修正模块，被配置为：基于历史负荷数据及对应的环境信息，对关键特征进行聚类，生成相似数据样本；基于环境累计效应，对相似数据样本中的环境信息进行修正，获取特征样本；
[0036]短期负荷预测模块，被配置为：将特征样本输入预设的短期负荷预测模型进行处理，获取短期负荷预测结果。
[0037]与现有技术相比，本专利技术的有益效果是：
[0038]1、本专利技术提供的技术方案，通过相关系数的计算找出对负荷影响最大的环境因素
并对其进行聚类识别，确定与关键特征相似的环境信息，筛选出包含关键特征和与关键特征相似的环境信息的数据样本后，再进行短期负荷预测；一方面，明确对短期负荷影响较大的因素，减少了其他干扰因素的对短期负荷预测的影响，提高短期负荷预测的准确性和短期负荷预测模型的鲁棒性；另一方面，减少了模型的运算量，提高了短期负荷预测的效率和实时性。
[0039]2、本专利技术提供的技术方案，充分考虑采集的历史数据存在的异常情况以及环境信息变化程度对人们用电行为的影响，结合环境累计效应，对环境信息进行修正，更为准确的反应人们的用电行为和用电习惯，避免环境突变而负荷信息变化不大的数据对短期负荷预测造成错误指示，影响短期负荷预测的预测真实性，有效提高预测精度。
附图说明
[0040]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。
[0041]图1为本专利技术实施例提供的电网短期负荷预测方法的流程示意图；
[0042]图2为本专利技术实施例提供的电网短期负荷预测系统的系统架构示意图。
具体实施方式
[0043]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本专利技术使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0044]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网短期负荷预测方法，其特征在于，包括：根据预设的时间粒度，获取历史负荷数据及对应的环境信息，计算环境信息中各环境因素与负荷之间的相关系数；根据相关系数，确定影响负荷的关键特征；基于历史负荷数据及对应的环境信息，对关键特征进行聚类，生成相似数据样本；基于环境累计效应，对相似数据样本中的环境信息进行修正，获取特征样本；将特征样本输入预设的短期负荷预测模型进行处理，获取短期负荷预测结果。2.如权利要求1所述的电网短期负荷预测方法，其特征在于，所述计算环境信息中各环境因素与负荷之间的相关系数，根据相关系数，确定影响负荷的关键特征包括：对历史负荷数据及对应的环境信息进行归一化处理，计算各环境因素与负荷数据的相关系数，获取相关系数集；根据相关系数集，确定阈值；根据阈值和各环境因素对应的相关系数，筛选环境因素作为影响负荷的关键特征。3.如权利要求1所述的电网短期负荷预测方法，其特征在于，所述相关系数表示为：其中，L为相关系数，x为环境因素，y为负荷，cov为协方差，σ
x
为环境因素的标准差，σ
y
为负荷的标准差。4.如权利要求1所述的电网短期负荷预测方法，其特征在于，所述对关键特征进行聚类，生成相似数据样本包括：基于历史负荷数据及对应的环境信息，通过K
‑
means算法对关键特征进行聚类，计算关键特征与其他环境信息的相似度，获取相似数据样本；其中，所述相似数据样本包括历史负荷数据、对应的关键特征和与关键特征相似度高的其他环境信息。5.如权利要求1所述的电网短期负荷预测方法，其特征在于，所述基于环境累计效应，对相似数据样本中的环境信息进行修正包括：根据相似数据样本中的负荷信息进行筛选，获取相似负荷信息；根据相似负荷信息，筛选连续时间段内的环境信息，判断某一时间粒度对应的...

【专利技术属性】
技术研发人员：朱伟，赵丹，郭强，高超，颜子龙，张亚南，袁志艺，
申请(专利权)人：国网山东省电力公司济宁供电公司，
类型：发明
国别省市：