System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力,特别涉及一种电力负荷的预测方法和系统。
技术介绍
1、在电力系统中,电力负荷预测是非常重要的一项工作,它直接影响到电力系统的规划、运行和调度等各个方面。随着人工智能和机器学习技术的发展,越来越多的学者将机器学习技术应用于电力负荷预测领域。这些技术包括神经网络、支持向量机、决策树、随机森林等,通过建立复杂的非线性模型来捕捉电力负荷与环境因素之间的关系。但是由于电力的节点纷繁复杂,数据量很大,如何选择数据,尽量减少建模数据量进行预测,保证预测的准确性的同时提高模型预测的效率是要解决的问题。
技术实现思路
1、本专利技术提供了一种电力负荷的预测方法和系统,用以减少建模数据量进行预测,保证预测的准确性的同时提高模型预测的效率:
2、本专利技术提出的一种电力负荷的预测方法,所述方法包括:
3、s1、将用电区域划分第一子区域,将第一子区域划分第二子区域,划分第一时间区间和第二时间段,根据第二时间段获得电力负荷特征和环境参数特征;将同一第一子区域内的第二子区域的电力负荷特征和环境参数特征进行聚类分析,获得第三相似区域;通过第三相似区域分别建立电力负荷预测模型;
4、s2、获取第一时间区间内的多个第二时间段的第二子区域的电力负荷的波动率;根据电力负荷波动率获得第二子区域第二时间段内的综合波动率;
5、s3、获取第二子区域采样的时间序列;根据当前时间序列和第二子区域选择对应的电力负荷预测模型;将电力负荷特征、对应的环境参数特征、第二
6、s4、将实际负荷与预测负荷进行对比;将差异较大的第二区域节点标记为异常节点并进行原因分析,对多个异常节点的影响因素进行统计分析,获得各个因素的权重;将权重高的影响因素对应的特征或数据作为输入数据更新预测模型。
7、进一步的,一种电力负荷的预测方法,所述s1包括:
8、按照区域性质将用电区域划分多个第一子区域;
9、将第一子区域划分第二子区域;
10、将每周按照工作日和休息日划分第一时间区间;
11、将一天划分多个第二时间段;
12、获取第一时间区间内的多个第二时间段的第二子区域的电力负荷;计算每个第二子区域第一时间区间的同一第二时间段内电力负荷的均值并提取特征获得第二子区域电力负荷特征;
13、获取第一时间区间内的多个第二时间段的第二子区域的环境参数均值并提取特征,获得环境参数特征;
14、将同一第一子区域内的第二子区域的电力负荷特征和环境参数特征进行聚类分析,获得第三相似区域;
15、通过第三相似区域分别建立电力负荷预测模型。
16、进一步的,一种电力负荷的预测方法,所述s2包括:
17、同一第二子区域第二时间段内相邻两次电力负荷的采样差值为;
18、同一第二子区域第二时间段内相邻两次电力负荷的采样值中前一个采样值为。
19、进一步的,一种电力负荷的预测方法,所述s3包括:
20、获取第二子区域采样的时间序列;根据当前时间序列和第二子区域选择对应的电力负荷预测模型;
21、将与当前相同第一时间区间内第二时间段和与之相邻的下一个第二时间段的第二子区域电力负荷特征、对应的环境参数特征、第二子区域第二时间段内的综合波动率以及第二子区域当前电力负荷采样结果输入对应的预测模型进行训练获得训练结果;
22、根据训练结果预测下一时间段第二子区域的电力负荷。
23、进一步的,一种电力负荷的预测方法,所述s4包括:
24、将实际负荷与预测负荷进行对比;
25、获得第三相似区域内多个第二区域节点实际负荷与预测负荷的差异作为第二差异值;
26、将第二差异值进行分布状态分析;
27、获得差异大的前30%对应的第二区域节点并标记为异常节点,
28、记录异常节点的时间序列和位置信息;并将异常节点的信息发送至后台终端;
29、通过后台终端获取异常节点的影响因素;
30、对多个异常节点的影响因素进行统计分析,获得各个因素的影响权重;
31、将影响权重做分布图,根据分布图将前80%的z值对应的影响因素的特征或数据作为输入数据更新预测模型。
32、本专利技术提出一种电力负荷的预测系统,所述系统包括:
33、划分模块:将用电区域划分第一子区域,将第一子区域划分第二子区域,划分第一时间区间和第二时间段,根据第二时间段获得电力负荷特征和环境参数特征;将同一第一子区域内的第二子区域的电力负荷特征和环境参数特征进行聚类分析,获得第三相似区域;通过第三相似区域分别建立电力负荷预测模型;
34、波动率获取模块:获取第一时间区间内的多个第二时间段的第二子区域的电力负荷的波动率;根据电力负荷波动率获得第二子区域第二时间段内的综合波动率;
35、预测模块:获取第二子区域采样的时间序列;根据当前时间序列和第二子区域选择对应的电力负荷预测模型;将电力负荷特征、对应的环境参数特征、第二子区域第二时间段内的综合波动率输入对应的预测模型进行训练;根据训练结果预测下一时间段第二子区域的电力负荷;
36、模型更新模块:将实际负荷与预测负荷进行对比;将差异较大的第二区域节点标记为异常节点并进行原因分析,对多个异常节点的影响因素进行统计分析,获得各个因素的权重;将权重高的影响因素对应的特征或数据作为输入数据更新预测模型。
37、进一步的,一种电力负荷的预测系统,所述划分模块包括:
38、第一子区域划分模块:按照区域性质将用电区域划分多个第一子区域;
39、第二子区域划分模块:将第一子区域划分第二子区域;
40、第一时间区间划分模块:将每周按照工作日和休息日划分第一时间区间;
41、第二时间段划分模块:将一天划分多个第二时间段;
42、电力负荷特征获取模块:获取第一时间区间内的多个第二时间段的第二子区域的电力负荷;计算每个第二子区域第一时间区间的同一第二时间段内电力负荷的均值并提取特征获得第二子区域电力负荷特征;
43、环境参数特征获取模块:获取第一时间区间内的多个第二时间段的第二子区域的环境参数均值并提取特征,获得环境参数特征;
44、第三相似区域确定模块:将同一第一子区域内的第二子区域的电力负荷特征和环境参数特征进行聚类分析,获得第三相似区域;通过第三相似区域分别建立电力负荷预测模型。
45、进一步的,一种电力负荷的预测方法,所述波动率获取模块包括:
46、采样值获取模块:同一第二子区域第二时间段内相邻两次电力负荷的采样差值为;同一第二子区域第二时间段内相邻两次电力负荷的采样值中前一个采样值为。
47、进一步的,本文档来自技高网...
【技术保护点】
1.一种电力负荷的预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述S1包括:
3.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述S2包括:
4.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述S3包括:
5.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述S4包括:
6.一种电力负荷的预测系统,其特征在于,所述系统包括:
7.根据权利要求6所述的一种电力负荷的预测系统,其特征在于,所述划分模块包括:
8.根据权利要求6所述的一种电力负荷的预测方法,其特征在于,所述波动率获取模块包括:
9.根据权利要求6所述的一种电力负荷的预测系统,其特征在于,所述预测模块包括:
10.根据权利要求6所述的一种电力负荷的预测系统,其特征在于,所述模型更新模块包括:
【技术特征摘要】
1.一种电力负荷的预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述s1包括:
3.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述s2包括:
4.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述s3包括:
5.根据权利要求1所述的一种电力负荷的预测方法,其特征在于,所述s4包括:
6.一种...
【专利技术属性】
技术研发人员:池晓虎,池淼,赵金洋,池铭,
申请(专利权)人:北京浩然五洲软件技术有限公司,
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。