[发明专利]一种电力行业中基于客户分群的电力负荷预测方法

权利要求书

1.一种电力行业中基于客户分群的电力负荷预测方法，包括如下步骤：

步骤1：对客户负荷数据进行抽取，并获得负荷样本数据；

步骤2：预处理负荷样本数据；

步骤3：对客户进行聚类分组，获得多个客户群组；

步骤4：汇总各个客户群组的负荷数据；

步骤5：对单个客户群组进行负荷时序预测；

步骤6：汇总计算多个客户分群的负荷预测结果；

步骤7：对步骤6获得的负荷预测结果进行评价。

2.根据权利要求1所述的电力行业中基于客户分群的电力负荷预测方法，其特征在于：所述步骤1包括以下子步骤：

S1.1：确定样本覆盖范围

从计量自动化系统和营销管理系统获得客户档案类数据，客户电量数据，客户负荷数据，具体包括客户档案信息、客户电量信息和客户负荷信息，将客户档案信息、客户电量信息和客户负荷信息分别生成A表、B表和C表；

S1.2确定样本数据范围

样本抽取时至少包含1年以上的客户负荷数据和半年以上的电量信息，以及最新的客户档案数据；

所述步骤2包括如下子步骤：

S2.1计算聚类指标

考虑对负荷波动的影响较大的因子，根据B表相关字段计算规定时间内（上一个月每天平均）反映负荷变动情况的指标：

负荷率=平均负荷/最大负荷；

峰总比=峰电量/总电量；

平总比=平电量/总电量；

谷总比=谷电量/总电量；

其中：最大负荷=Max(L_i),i＝1,2，...,96，L_i表示每隔15分钟的用电负荷采样值；

峰、谷、平电量对应城市用电高峰时间段、平峰时间段和谷峰时间段的用电量；

高峰时间段指的是用电量的高峰，用电量相对集中，低谷时间段则相反；高峰时间段8小时：9:00～12:00，17:00～22:00；平段时间段7小时：8:00～9:00，12:00～17:00，22:00～23:00；低谷时间段9小时：23:00～次日8:00；

通过计算聚类指标，构成D表；

S2.2缺失值处理

若发现样本数据存在缺失现象时，可通过同类型日数据结合插值算法进行处理；

S2.3异常值处理

对超出指标阀值范围的数据，通过同类型日数据结合插值算法进行修正处理；

所述的步骤3包括以下子步骤：

S3.1按用电类别分群

根据A表中的字段用电类别，得到相同用电类别的计量点分群；

S3.2用电类别内客户分群

对客户按用电类别分群后，再按客户的用电特征进行聚类分群，具体采用K-means聚类算法完成聚类分群；

对D表调用K-means聚类算法，聚合行业内相似客户并分组；

所述的步骤4包括以下子步骤：

S4.1构建每个群组的实时负荷历史序列数据

对每个群组内的计量点实时负荷叠加，分别得到叠加后的各点实时负荷序列数据，构成E表；

Lij=Σi=1nLj]]>

式中L_ij为第i个群组叠加后的实时负荷值，L_j为该群组内第j个计量点的实时负荷值，n表示该群组内有n个计量点；

S4.2构建每个群组的最大日负荷历史序列数据

由S4.1，在构建出每个群组的实时负荷历史序列数据后，计算出该群组内每天的最大负荷值，即一天96个负荷点中的最大值，不同日最大负荷构成该群组的日最大负荷序列，构成F表；

S4.3构建每个群组的最大月负荷历史序列数据

由S4.1，在构建出每个群组的实时负荷历史序列数据后，计算出该群组内每个月的最大负荷值，即一个月中实时负荷的最大值，不同月最大负荷构成该群组的月最大负荷序列，构成G表；

所述预测实时负荷、日最大负荷和月最大负荷步骤相同，其中，实时负荷预测包括如下步骤5至7：

步骤5：对单个客户群组进行负荷时序预测；

所述的步骤5的子步骤为：

S5.1单个算法对每个群组进行时序预测

对E表调用时序预测算法，分析进行时序预测；

S5.2对多个算法的群组预测值进行叠加

按下式计算采用多个算法时各群组的负荷预测值：

Group_L_i＝ω_i1×Algorithm_L_i1+…+ω_ij×Algorithm_L_ij+…+ω_in×Algorithm_L_in

式中，Group_L_i为第i个群组的负荷预测值，

Algorithm_L_ij为第i个群组第j个算法的负荷预测值，

ω_ij为第i个群组第j算法的权值，本发明中直接采用加权平均；

步骤6：汇总计算多个客户分群的负荷预测结果；

所述的步骤6的子步骤为：

根据S5.2步骤生成的各群组预测负荷，根据各群组预测负荷结果求总和，得出各用电类别的负荷预测结果；公式如下：

Industry_L_i＝Group_L_i1+Group_L_i2+…+Group_L_ij+…+Group_L_in

其中，Group_L_ij为第i个行业第j组的负荷预测（实时负荷，日最大负荷，月最大负荷）；

Industry_L_i为第i个行业的负荷预测；

区域分析对象总的负荷预测结果为各个用电类别预测结果之和；

步骤7：对步骤6获得的负荷预测结果进行评价；

采用下式评价区域分析对象、用电类别及各群组的负荷预测效果：

MAPE=1nΣi=1n|Ei/Yi|*100%]]>

=1nΣi=1n|(Yi-Y^i)/Yi|*100%]]>

式中，MAPE——平均绝对百分误差

E_i——第i个实际值与预测值的绝对误差；

Y_i——第i个实际值；

——第i个预测值；

若MAPE<10%，则认为预测结果较好；

对于日最大负荷和月最大负荷预测，采用与步骤5至步骤7对实时负荷进行预测相同的预测步骤，来预测日最大负荷和月最大负荷。