[发明专利]一种基于需求响应的电力负荷行为预测方法

说明书

技术领域

本发明涉及电力负荷行为的预测方法，具体是指一种基于需求响应的电力负荷行为预测方法。

背景技术

现阶段，国家电力负荷的形式复杂，因此对整个国家的电力负荷按照用电性质进行分类，主要包括工业负荷、市政负荷、商饮服务业负荷、农业负荷等。不同行业的电力负荷具有明显的差异，同一行业不同用户的负荷曲线之间也不完全相同。随着负荷数据采集系统的完善，也亟需对海量负荷数据进行处理。因此，对用户的电力负荷数据进行数据挖掘分析是十分必要的。另外，负荷曲线本身存在规律性及连续性，这也为有效的进行负荷形态分析提供了前提条件。

同时负荷形态分析是进一步进行用电特性分析，从而实施有效需求响应策略的基础。对于不同的需求侧用户，其用电曲线既有差别又有共性，这对需求响应策略的实施带来一定的困难。因此，对用户负荷形态进行分析，将具有相似负荷形态的用户进行聚类并提取出典型负荷曲线，为对具有相同的特点的用户负荷曲线实施有针对性的需求响应措施具有很大意义。

聚类分析是多元统计分析的一种，它把一个没有类别标记的样本集按某种准则划分为若干个子集(类)，使相似的样本尽可能的归为一类，而将不相似的样本尽量划分到不同的类中。硬聚类把每个待辨识的对象严格的划分到某类中，具有非此即彼的性质。模糊聚类由于能够描述样本类属的中介性质，能够客观的反映现实世界，已逐渐成为聚类分析的主流。模糊聚类是根据样本之间的相似度来进行判断样本的归属，样本之间相似度高的优先归为一类，通过目标函数的控制求解，将不同类之间的样本相似度降到最低。

基于上述，本发明提出一种基于需求响应的电力负荷行为预测方法，采用模糊聚类分析实现，从而解决现有技术中存在的缺点和限制。

发明内容

本发明的目的是提供一种基于需求响应的电力负荷行为预测方法，通过聚类算法将电力负荷数据按照其用电趋势进行分类，并且由聚类中心判断和预测电力负荷值，实现对城市能源互联网中每一个小区域的电力负荷进行准确预测。

为实现上述目的，本发明提供一种基于需求响应的电力负荷行为预测方法，包含以下步骤：

S1、采集预测地区的电力数据；

S2、采用双向比较法，对采集到的电力数据进行异常数据处理；

S3、对电力用户按照不同维度进行分类；

S4、对分类后各个维度相同的电力用户进行电力数据的归一化处理；

S5、采用聚类算法对各个维度相同的、且完成归一化的电力数据进行聚类处理，并得到聚类中心；

S6、根据得到的聚类中心，预测电力负荷的标幺值；

S7、对电力负荷标幺值进行反归一化处理，得到预测值。

所述的S1中，具体包含以下步骤：

S11、分析并选择预测地区中影响电力负荷的变量，作为电力负荷影响因素；

S12、采集预测地区中的历史电力负荷数据。

所述的S2中，具体包含以下步骤：

S21、设定第i天t时刻的电力负荷值为P(i,t)，计算t时刻共N天的电力负荷变化量的平均值为：

S22、设定修复后的电力负荷值P'(i,t)需要满足下述约束条件：

|P(i,t)-P(i,t-1)|≥α(t)×k₀；

其中，k₀为预先设置的判断阈值；

S23、对满足约束条件的修复后的电力负荷值P'(i,t)按照时间进行重新排序，得到修复后的t时刻的正常电力数据。

所述的S4中，具体为：

L(i,t)＝(P(i,t)-P_min)/(P_max-P_min)；

其中，L(i,t)表示归一化后的数据，P_max表示电力负荷值在N天中的最大值，P_min表示电力负荷值在N天中的最小值。

所述的S5中，具体包含以下步骤：

S51、输入确定的聚类参数k，以及电力数据的样本集；

S52、选取k个样本点，作为各个初始聚类中心；

S53、根据距离最小原则，将电力数据样本对应分配到距离最近的聚类中心；

S54、计算各个初始聚类中心簇的中心，得到新的聚类中心；

S55、根据新的聚类中心，返回执行S53和S54，直至满足距离准则。