【技术实现步骤摘要】
一种基于预测协调的短期分层负荷在线预测方法及系统
[0001]本专利技术属于电力系统中分层负荷的短期预测
，具体涉及一种基于预测协调的短期分层负荷在线预测方法及系统。
技术介绍
[0002]随着现代配网系统中储能系统和分布式的新能源发电等技术的逐渐成熟和广泛应用，电力系统中的负荷预测变的越发重要。同时随着负荷预测模型的持续开发使用，针对单一负荷的预测精度已能够得到很好的保证，而电力系统也对负荷预测问题提出了新的要求。在全球范围内，分层预测作为预测的最新研究方向，其在负荷预测上的应用逐渐进入大众的视野，并引起了人们的广泛关注和讨论。
[0003]分层负荷预测是一种针对具有分层结构的多个负荷的预测问题，解决这一问题的关键就在于如何将已有的预测模型应用于具有分层结构的多个负荷上。现有关于分层负荷的预测策略都是将预测问题与分层问题分别独立求解。为处理这种分层结构，有两类主流的研究思路：
[0004]第一类方法先只完成部分预测，再利用分层结构完成剩余预测任务，其中包括三种方法：自上而下方法、自下而上方法、中间突破...
【技术保护点】
【技术特征摘要】
1.一种基于预测协调的短期分层负荷在线预测方法，其特征在于，包括以下步骤：使用分层负荷数据集训练长短期记忆神经网络预测模型进行负荷预测，得到不考虑分层结构的短期负荷预测结果，根据短期负荷预测结果建立改进的在线协调预测模型，并选择对应的在线更新权重规则，通过网格搜索法对在线更新权重规则中的超参数进行寻优确定，使用寻优确定的在线更新权重规则离线训练改进的在线协调预测模型；在线更新改进的在线协调预测模型，依据最新的数据更新在线协调预测模型得到预测结果。2.根据权利要求1所述的基于预测协调的短期分层负荷在线预测方法，其特征在于，分层负荷数据集包括分层结构底层的电力负荷数据和电力负荷的分层结构，依据分层结构的累加一致性，使用底层负荷数据累加得到所需具有调度和规划意义的中层以及上层电力负荷的时间序列数据，得到最终分层结构中全部层的电力负荷数据和电力负荷的分层结构。3.根据权利要求2所述的基于预测协调的短期分层负荷在线预测方法，其特征在于，中层以及上层电力负荷的时间序列数据具体为：获取分层结构底层的电力负荷数据和电力负荷的分层结构，保证各负荷的时间序列数据类型一致，时间序列的监测时刻相同且监测间隔相同；依据电力负荷的分层结构，建立具有累加一致性的分层结构约束方程，并计算得到具有调度和规划意义的中层以及上层电力负荷的时间序列数据。4.根据权利要求1所述的基于预测协调的短期分层负荷在线预测方法，其特征在于，通过网格搜索法对在线更新权重规则中的超参数进行寻优确定具体为：S201、使用长短期记忆神经网络预测模型作为基预测进行负荷预测；基预测模型基于自回归模型，采用负荷的滞后项作为输入特征，待预测值作为输出特征，训练时依据负荷的时间序列特性确定神经网络超参数；S202、构建考虑权重的协调优化目标，针对分层负荷协调预测方法，以考虑各预测问题地位的加权协调量最小为优化目标确定优化问题；构建考虑分层结构累加一致性的约束条件，针对所需的上层负荷和分层结构得到累加一致的矩阵等式方程，作为改进的在线协调预测模型；S203、在电力系统实时运行前，依据计算复杂度确定在线更新权重策略；S204、通过网格搜索法对在线更新权重规则中的超参数进行寻优确定。5.根据权利要求4所述的基于预测协调的短期分层负荷在线预测方法，其特征在于，步骤S202中，优化问题为：骤S202中，优化问题为：其中，ω
i,t
为每一时刻t各个预测结果所添加调整大小的权重，T为分层负荷训练数据的大小，为不考虑分层结构使用神经网络独立预测结果，为分层负荷使用改进的在线协调预测结果，为分层负荷使用改进的在线协调预测结果的向量形式。6.根据权利要求4所述的基于预测协调的短期分层负荷在线预测方法，其特征在于，步骤S203中，在线更新权重策略采用随机梯度下降算法和指数遗忘算法，在线更新权重ω
i,t
的规则为：其中，ω
i,t+1<...
【专利技术属性】
技术研发人员：王尧，胡迎迎，霍巍，张耀，陈洁，赵寒亭，申泽渊，王超，段惠，吉喆，
申请(专利权)人：西安交通大学，
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。