【技术实现步骤摘要】
本专利技术属于电力负荷预测领域，具体涉及一种考虑多维特征提取的短期电力负荷预测方法及系统。
技术介绍
1、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。
2、由于大量分布式光伏的持续接入、需求响应的不断推广和电力市场化程度提升，电网负荷的时变性与波动性显著增强，复杂多变的影响因素使挖掘负荷规律更为困难，导致其预测难度不断增加。同时，随着电网调控压力的日趋增加以及电力现货市场建设的快速推进，电网调度机构对短期负荷预测工作高度重视，对预测的准确性、客观性以及自动化程度提出了更高的要求。因此，精确、可靠的短期负荷预测能够有效降低负荷的不确定性，对电力系统安全调度、运行控制有着重要作用。
3、目前，常用的负荷预测方法包括统计学方法和人工智能方法。线性回归模型、整合移动平均自回归模型等基于统计学方法的负荷预测建立在时间序列分解的基础之上，对分解后的序列进行统计学分析和处理，以此达到预测目的，但无法充分挖掘非线性特征。反向传播(bp)神经网络、极限学习机等人工智能算法结构简单且具备较强表达能力，...
【技术保护点】
1.一种考虑多维特征提取的短期电力负荷预测方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，获取区域负荷、区域影响负荷的相关气象的历史数据的具体过程包括按照设定的频率提取出目标区域的负荷数据，以时间顺序进行排列；获取的区域影响负荷的相关气象历史数据包括辐照强度、气温、风速和风向。
3.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，将数据集分为三部分的具体过程包括，将一部分数据作为预测模型的训练集，一部分数据作为预测模型的预测误差分布统计来源，另一部分数据用于预测...
【技术特征摘要】
1.一种考虑多维特征提取的短期电力负荷预测方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，获取区域负荷、区域影响负荷的相关气象的历史数据的具体过程包括按照设定的频率提取出目标区域的负荷数据，以时间顺序进行排列；获取的区域影响负荷的相关气象历史数据包括辐照强度、气温、风速和风向。
3.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，将数据集分为三部分的具体过程包括，将一部分数据作为预测模型的训练集，一部分数据作为预测模型的预测误差分布统计来源，另一部分数据用于预测误差概率分布，三部分数据的占比为3：4：3。
4.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，提取区域负荷序列中多时间尺度时序特征的具体过程包括：运用prophet拟合历史负荷时序数据的变化规律，将原始时间序列分解为趋势、周期、节假日和误差分量。
5.如权利要求1所述的一种考虑多维特征提取的短期电力负荷预测方法，其特征是，运用最大互信息系数查找历史气象数据中与负荷相关性高于设定值的关键相依气象的具体过程包括：最大互信息系数用于分别衡量气象因素和负荷之间的关联程度，最大互信息系数的计算为：式中，x、y为光伏功率、气象因素；x、y为网格化时的行、列参数；d为d(x,y)，即x、y构成的有限数据；m(d)x,y为归一化处理后的按x×y划分网...
【专利技术属性】
技术研发人员：杨明，卓敏仪，于一潇，李梦林，王传琦，单帅杰，
申请(专利权)人：山东大学，
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。