【技术实现步骤摘要】
本专利技术涉及电力系统，具体涉及一种基于高阶多元马尔可夫链的母线负荷预测方法及相关装置。
技术介绍
1、母线负荷是指由变电站的主变压器所供电区域的终端负荷的总和。母线负荷预测可以让调控人员及时了解负荷的发展变化趋势，提前做好各类电源的发电安排。同时，也为负荷侧调节能力的计算奠定了计算基础。对于新型电力系统的稳定可靠运行提供有力支撑。受地理位置分布、系统运行方式、负荷转供等因素的影响，物理距离相近的母线负荷运行特性存在着耦合关系。此外，母线负荷作为时间序列，其变化趋势也受到历史负荷的影响。
2、在相关现有技术中，例如，公开号为cn117933451a的专利申请“一种基于注意力机制的可解释性母线负荷预测方法”，解决了现有技术中母线的数量众多，传统母线负荷预测模型采用传统的机器学习或者深度学习模型，模型复杂难以解释，难以进行根因分析和总结的问题。通过选取历史负荷数据以及与其相关的多个特征变量作为输入，利用注意力机制对不同特征变量的重要性进行自适应调整，实现了高精度、可解释性强的推理性能，最终构建一个包含多个特征变量的时间序列模型进...
【技术保护点】
1.一种基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，包括：
2.根据权利要求1所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述从电网调控运行系统获取若干条母线的日负荷数据，结合每条母线负荷采样点数量，建立母线负荷序列样本的步骤中，从调控运行系统获取s条母线的日负荷数据，每条母线负荷采样点数量为N，母线负荷序列样本表示如下：
3.根据权利要求2所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述基于母线负荷序列样本之间的相关性，将母线负荷序列样本转换为高阶多元马尔可夫链模型矩阵的步骤中，母线负荷序列样本之间的相关...
【技术特征摘要】
1.一种基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，包括：
2.根据权利要求1所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述从电网调控运行系统获取若干条母线的日负荷数据，结合每条母线负荷采样点数量，建立母线负荷序列样本的步骤中，从调控运行系统获取s条母线的日负荷数据，每条母线负荷采样点数量为n，母线负荷序列样本表示如下：
3.根据权利要求2所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述基于母线负荷序列样本之间的相关性，将母线负荷序列样本转换为高阶多元马尔可夫链模型矩阵的步骤中，母线负荷序列样本之间的相关性符合如下表达式：
4.根据权利要求3所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述确定高阶多元马尔可夫链模型矩阵的阶数的步骤，采用pearson相关系数计算两个母线负荷序列样本之间的相关性，计算表达式如下：
5.根据权利要求4所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述通过历史数据估计高阶多元马尔可夫链模型矩阵的转移概率矩阵的步骤包括：
6.根据权利要求5所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述估计高阶多元马尔可夫链模型矩阵的列间高阶权重的步骤包括：
7.根据权利要求6所述基于高阶多元马尔可夫链的母线负荷预测方法，其特征在于，所述将高阶多元马尔可夫链模型矩阵的阶数、转移概率矩阵及列间高阶权重代入修正高阶多元马尔可夫链模型矩阵的步骤，修正后的高阶多元马尔可夫链模型矩阵表达式为：
8.一种基于高阶多元马尔可夫链的母线负荷预测系统，其特征在于，包括：
9.根据权利要求8所述基于高阶多元马尔可夫链的母线负荷预测系统，其特征在于，所述的母线负荷序列样本建立模块从调控运行系统获取s条母线的日负荷数据，每条母线负荷采样点数量为n，母线负荷序列样本表示如下：...
【专利技术属性】
技术研发人员：王凯，张隽，刘幸蔚，王冠楠，李立新，辛光明，宋旭日，杜丽艳，宋磊，刘潇，阎博，杨楠，赵晨晓，黄宇鹏，朱乔波，马晓忱，张鹏，於益军，刘蒙，罗雅迪，曹坤，齐晓琳，李梁，韩昳，董国庆，张风彬，封超涵，门德月，邱成建，刘升，李章文，
申请(专利权)人：国网冀北电力有限公司，
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。