[发明专利]一种基于双重聚类的日售电量预测方法及系统

说明书

技术领域

本发明涉及售电量预测领域，特别涉及一种基于双重聚类的日售电量预测方法、系统及计算机可读存储介质。

背景技术

售电量预测是指在对历史资料进行整理和分析的情况下，采用一定手段对未来售电量进行估计或表述。它是制定发电计划的依据，也是经济运行的基础。由于其重要性显著，电网公司已将售电量预测纳入了同行业对标指标考核，同时其预测的准确性对推动电力市场的发展和建设具有十分重要的意义。过去由于受限于智能电表的普及，国内外对系统售电量预测以及整个配网售电量预测的研究较多。然而伴随着智能测量装置在用户中逐渐普及，为进一步深入挖掘，对各售电公司管辖范围内的电力用户的总售电量预测也会逐步得到重视。

现有技术中，往往采用模糊C均值聚类方法对原始负荷数据进行分类处理，在获得分类处理的负荷数据后利用改进BP神经网络算法进行拟合学习，以此获得预测模型。然而现有技术中的方案在对用电用户的负荷进行分类时，为去除负荷在数量级上对基于各类距离在识别负荷形态方法的影响，往往采用归一化方法，但不同的归一化方法将会导致负荷数据在不同程度上的信息压缩与丢失，并且在对小区域用户进行整体预测时，采用单一的预测模型不能很好的对各类曲线进行拟合，会导致最终预测精度下降。因此，如何避免传统聚类阶段出现的信息归一化所带来的信息压缩与丢失的缺陷，以及对单预测模型不能很好表达各类负荷特点的缺陷，提高售电量预测的精度是现今急需解决的问题。

发明内容

本发明的目的是提供一种基于双重聚类的日售电量预测方法、系统及计算机可读存储介质，以利用各个双重聚类类别各自对应的日售电量预测模型进行售电量预测，提高售电量预测的精度。

为解决上述技术问题，本发明提供一种基于双重聚类的日售电量预测方法，包括：

获取预设用户的历史日发行电量数据；

对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据；

根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果，并将全部所述双重聚类类别各自对应的日售电量预测结果相加，获取所述预测时间段的预测售电量。

可选的，所述对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据，包括：

对所述历史日发行电量数据进行基于余弦相似度的第一重聚类，获取以曲线形态走势为分类标准的每个第一重聚类类别各自对应的历史日发行电量数据；

对每个所述第一重聚类类别各自对应的历史日发行电量数据进行基于欧式距离的第二重聚类，获取同一类负荷形态走势下不同数量级的每个所述双重聚类类别各自对应的历史日发行电量数据。

可选的，所述根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果之前，还包括：

建立每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果的函数关系；其中，每个所述双重聚类类别各自对应的历史日发行电量数据和所述预测时间段的日售电量预测结果分别为自变量和因变量；

采用ORELM对每个所述双重聚类类别各自对应的自变量和因变量进行训练建模，获取每个所述双重聚类类别各自对应的日售电量预测模型。

可选的，该方法还包括：

获取所述预测时间段的全部双重聚类类别对应的实际售电量数据集和数据集维度；

根据所述实际售电量数据集和数据集维度对每个所述双重聚类类别各自对应的日售电量预测模型进行调整。

本发明还提供了一种基于双重聚类的日售电量预测系统，包括：

第一获取模块，用于获取预设用户的历史日发行电量数据；

双重聚类模块，用于对所述历史日发行电量数据进行双重聚类，获取每个双重聚类类别各自对应的历史日发行电量数据；

预测模块，用于根据每个所述双重聚类类别各自对应的历史日发行电量数据，利用每个所述双重聚类类别各自对应的日售电量预测模型，获取每个所述双重聚类类别各自对应的预测时间段的日售电量预测结果，并将全部所述双重聚类类别各自对应的日售电量预测结果相加，获取所述预测时间段的预测售电量。

可选的，所述双重聚类模块，包括：