[发明专利]基于关联规则的城市电力负荷预测模型自动推荐方法

说明书

技术领域

本发明属于配电系统规划中长期负荷预测以及配电系统运行短期负荷预测领域，涉 及一种城市电力负荷预测模型自动推荐方法。

背景技术

在城市电网规划中，负荷及其发展趋势的分析预测是一项基础工作，它决定了未来 城市对电力的需求量和未来城市电网的供电容量，对城市供电电源点的确定和发电规划 具有重要的指导意义，其精度的高低直接影响着电网规划质量的优劣。负荷预测工作具 有很强的预见特性，受很多因素影响，如城市特性(如城市中心性、城市职能、城市气 候类型、城市经济发展水平及城市产业比重等)、负荷特性(如负荷历史数据、负荷饱 和水平等)。在实际的城市电力负荷预测中，这些相关因素的影响作用不容忽略。

负荷预测模型是进行预测的基本工具，随着预测模型的增加，决策者面临的问题是 无从选择最为合适的模型。在选用合适的负荷预测模型方面，现有一般做法是选用预测 工作者熟悉的几种方法，或者采用多种预测模型分别预测，对结果综合分析，利用组合 模型对多种预测模型求取权重，最终能够得到各预测模型应用情况的结论。

综合上述情况，可以得出模型使用的结论花费时间较长，每进行一次预测，都要重 新调用所有算法一次。从经济效益和长远发展来看，迫切要求新的方法来解决这个问题。 考虑到现有负荷预测模型种类繁多，并且都有自己的适用条件，如有些模型本身就不能 考虑城市电力负荷相关因素进行计算，有些模型不适于城市负荷发生饱和的情况下进行 计算。

发明内容

本发明的目的是克服现有技术的上述不足，提供一种城市电力负荷预测模型自动推 荐的方法，该方法能够根据待预测地区的各种相关因素发展水平利用原始积累的案例数 据进行关联规则挖掘，将待预测地区的聚类分析概化条件与适合模型规则库中的规则进 行匹配。最后推荐出支持度最高的规则作为模型适用结论。为此，本发明采用如下的技 术方案。

一种基于关联规则的城市电力负荷预测模型自动推荐方法，包括下列步骤：

第一步历史案例数据库构建：基于大量的城市地区的历史数据资料，分析统计各 类城市的电力负荷及相关因素的发展规律，并结合专家知识和城市特性进行预测模型的 适应性评价，给出适用度评价结果，建立包括城市特性、电力负荷特性及预测模型适用 度的历史案例数据库；

第二步数据聚类分析和概化：将第一步得到的历史案例数据库中的连续型历史数 据进行聚类分析和离散化，得到各类数据所属聚类范围的概化结果，从而得到概化后的 历史案例数据库；

第三步适合模型规则库构建：基于概化后的历史案例数据库，挖掘城市特性、电 力负荷特性与预测模型适用度间的关联规则，依据规则的最小支持度和最小可信度，筛 选得到城市电力负荷预测的适合模型规则库；

第四步适合模型推荐：基于适合模型规则库，将待预测城市地区的城市特性、电 力负荷特性及预测模型适用度进行第二步的聚类分析和概化，将概化结果作为已知条件 和适合模型规则库中的规则进行匹配，确定待预测城市地区的预测模型适用方案，自动 推荐适合的预测模型；

作为优选实施方式，所述的城市特性包括城市人口、GDP发展水平、第二产业比重， 第二步中利用K-Means算法进行历史案例数据库中包括预测模型适用度、城市人口、GDP 发展水平、第二产业比重在内的每种连续型历史数据的聚类分析和概化；第三步中，采 用FP-Growth算法进行城市特性、电力负荷特性与预测模型适用度间的关联规则挖掘； 第四步适合模型的规则匹配中，若只有一条匹配结果，则将此匹配结果对应的预测模型 确定为适合的预测模型；若规则库中含有多条与已知概化结果相同的匹配结果，则按照 支持度和关联度由高至低排序，选出支持度最高的规则所对应的模型确定为适合的预测 模型；若规则库中不存在相应的匹配结果时，转为利用求取模型精度等级的方法结合专 家干预得出模型适用情况；其中，利用求取模型精度等级的方法结合专家干预得出模型 适用情况的步骤如下：将所有模型的预测结果与已发生的现状年负荷数据作对比，根据 其平均相对误差来设定模型不同的拟合精度等级，用q％来表示相对误差；当q％＜＝0.01 时，设定拟和精度为一级(高精度)；当0.01＜q％＜＝0.05时，拟和精度为二级(好)；当 0.05＜q％＜＝0.10时，拟和精度为三级(合格)；当q％＞0.10时，拟和精度为四级(不合格)； 通过设定拟和精度的最小容许等级，筛选出适合的模型。