[发明专利]一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置

说明书

技术领域

本发明涉及测量领域，具体地说，是一种基于数据仓库与数据挖掘技术的短期负荷预测方法及装置。

背景技术

短期电力负荷预测主要是指预报未来几小时、 1天至几天的电力负荷，电力负荷预测是能量管理系统的重要组成部分，短期负荷预测不但为电力系统的安全、经济运行提供保障，也是市场环境下编排调度计划、供电计划、交易计划的基础。随着电力生产和消费日益市场化，对负荷预测的准确性、实时性、可靠性和智能性提出了更高的要求，因此，负荷预测已经成为现代化电力系统运行和管理中的一个重要研究领域。

短期负荷预测作用的大小主要取决于预测精度，因此如何提高预测精度是目前研究短期负荷预测理论和方法的重点。关于短期负荷预测的研究已有很长的历史，国内外许多专家和学者在预测理论和方法方面做了大量的研究工作，提出了很多预测模型。但是，由于影响短期负荷的因素很多，很多预测方法的预测精度和使用范围受到限制。

因此，针对目前的短期预测方法多数采用复杂数学算法，对各种数据进行复杂的数学方法进行处理，不但耗费大量资源，而且得到的负荷预测数据并不十分令人满意。

目前，由于计算机计算的快速发展，尤其是数据库技术中的数据仓库与数据挖掘技术，使得基于海量数据中的数据挖掘与处理成为可能。短期负荷预测对电网安全稳定运行和提高抵御风险的能力将起到非常关键和重要的作用。

发明内容

本发明的构思基础是：

1.电力负荷预测是根据电力负荷和其影响因素的历史数据，建立相关的模型，对未来电力负荷进行科学预测。短期负荷具有随机性和不确定性，这就使负荷预测具预测结果的不确定性；由于各种负荷预测都是在具体的条件下进行的，具有条件性；短期负荷预测都有一定的时间范围，具有时间性；由于预测结果的不准确性和条件性，所以具有多方案性；

2．负荷预测是根据负荷过去的历史资料，建立恰当的数学模型对未来的负荷进行预测。因此，预测精度主要受以下因素影响：历史数据；天气情况；日期类型；预测模型；社会事件等；

3．短期负荷由于受天气变化、社会活动和节日类型等各种因素的影响，在时间序列上表现为非平稳的随机过程，但是影响系统负荷的各因素中大部分具有规律性，从而为实现有效的预测奠定了基础。目前用于短期负荷预测的方法很多，可以分为经典预测方法、传统预测方法和智能预测方法等。电力负荷预测研究的核心问题是如何利用现有的历史数据，建立预测模型，对未来时刻或时间段内的负荷值进行预测，因此，历史数据信息的可靠性和预测模型是影响短期负荷预测精度的主要因素。随着现在电力系统管理信息系统的逐步建立，以及天气预测水平的提高，准确获取各种历史数据已不再困难，因此，短期负荷预测的核心问题是预测模型的水平高低；

4．本方法从大量数据中挖掘出隐含未知的、对决策有价值的知识和规则的过程，提取的知识可以表示成概念、规则、规律和模式等形式。数据挖掘过程包括数据准备、知识提取、知识表示与评估三个阶段。面对电力系统日益增加的数据信息量，针对系统运行安全性和经济性的要求，将数据挖掘用于短期负荷预测是非常有利的，尤其在环境因素和社会信息等变化较大的条件下，数据挖掘技术可以在错综复杂的庞大历史数中，剔除错误和无用的数据，得出隐含在数据中决定短期负荷的影响因素，确定短期负荷的真正变化规律，从而提高预测精度；

5．本发明要将电网的历史数据主要包括电网负荷变量、日期型变量（星期、节假日，特殊事件）、气象类变量（温度、湿度、降雨量以及特殊的天气如台风，沙尘暴、暴雨、冰灾）、经济类变量（电网区域的GDP值、人口数量）以及其他社会事件（突发社会事件如香港占中等）数据处理后录入到负荷预测历史数据计算机，并通建立各种因素基于负荷的快速索引；

6．在数据仓库中建立负荷与以上特征参数间的快速索引，当需要进行短期负荷预测时，输入以上变量的预测值，并对GDP根据经济数据进行修正，对其他事件加入修正系数后，在数据仓库中检索相关数据，从而快速准确预测电网短期负荷。

本发明基于以上构思，提供一种科学合理，能够快速预测电网短期负荷的基于数据仓库与数据挖掘技术的短期负荷预测方法。并提供实现上述方法，结构合理，自动化程度高的装置。