[发明专利]基于大数据的空间负荷预测模型构建方法

说明书

本发明提出了基于大数据的空间负荷预测模型构建方法，包括如下步骤：1）建立空间预测数据库；2）将经济数据和电力负荷数据进行分类整理，构建负荷总量预测模型；3）开展用地性质分析工作；4）进行详细的用地划分，设置空间负荷预测所需要的参数种类；5）确定负荷预测所需的负荷密度指标及负荷同时率；6）通过空间负荷预测方法，计算各功能分区的负荷预测值，并结合用地规划图表征负荷的空间分布；7）对上述负荷总量预测及空间负荷分布预测阶段流程的输出结果进行校验。本发明改进传统以统计负荷消耗总量为主的预测方法，进而提出基于空间负荷预测的算法模型，为配电网规划区的进一步建设和改造提供可靠依据。

技术领域

本发明涉及配电网规划与建设技术领域，尤其涉及基于大数据的空间负荷预测模型构建方法。

背景技术

进行城市配电网负荷预测研究的目的就是为了更好地为城市配电网规划服务。《城市电力规划规范》中指出，城市电网负荷预测主要应分为两大部分：一是城市电力总体规划负荷预测，包括规划区总负荷和总电量的预测，也称总量负荷预测；二是电力分区预测，即负荷的空间分布预测，也称空间负荷预测。要对电网的变电站布点及线路通道做详细精确的规划，就必须在设计之前确定其负荷空间的分布，这样得出的网架结构才能够更加合理。

为了保证我国经济持续快速增长与社会和谐发展，必须不断扩大电力系统的规模以确保电力的持续供应。因此，为了使电网结构可靠安全、适应能力强、能满足城市乡镇经济发展和生活用电的需要，规划部门对城镇及农村电网的修建和改造进行了大量的投资、进行了大规模的建设。而在这个过程中，最为首要的工作就是负荷预测。

专利号为201710240575.4的发明公开了一种电力负荷预测方法，该方法包括以下步骤：获取历史日数据，形成评价矩阵Mnm，mij表示在评价矩阵Mnm中第i个评价对象第j项指标的指标值；将评价矩阵Mnm进行线性变换归一化处理，得到归一化矩阵Snm；计算矩阵Snm中每个指标的相似日特征权值；计算预测日与历史日之间的关联度；对评价对象按照关联度由大到小进行排序，选取前W组评价对象作为预测算法的训练样本；利用遗传算法对预测算法进行改进，对预测算法的权值和阈值进行寻优，计算出最优的权值和阈值进行训练；将预测日信息输入优化预测算法中，将输出值经过反归一化后获得预测日的电力负荷值。该发明能够根据历史日相关数据预测下一天的电力负荷。

专利号为201410767416.6的发明公开了一种电力负荷预测方法，首先收集利用历史数据，输入影响因素；采用聚类分析方法，同类型时刻进行聚类，主要依据气象特征因素进行分类，建立下一时刻的负荷预测误差值与前ny个时刻的实际负荷预测误差值、前nu个时刻的负荷预测值及前ne个时刻的系统影响因素之间的关系；按下式建立数据模型；建立伪偏导数估计准则函数；按下式建立预测控制输入准则函数；重复上述步骤，直至获取所需目标时间的预测值。本发明不涉及负荷特性指标，并未建立负荷特性指标与影响因素之间的关系。针对多维度多级别的电力负荷预测体系，该发明采用数据驱动理论的无模型负荷预测控制得出最优的负荷预测值；并大幅提高了负荷预测的精度和实时性。

空间电力负荷预测的准确性直接关系到配电系统投资及运行的合理性、经济性，更是配电网网格化规划的基础。只有准确的预测出了城市配电网供电区域内的未来负荷大小和分布，才能够更加准确地指导变电站容量及其选址，根据负荷分布精确地划分供电网格，并对馈线的走向及型号、开关设备的装设以及它们的投入时间等决策变量进行合理地规划。

发明内容

本发明目的在于提供基于大数据的空间负荷预测模型构建方法，改进传统以统计负荷消耗总量为主的预测方法，进而提出基于空间负荷预测的算法模型，为配电网规划区的进一步建设和改造提供可靠依据。

为实现上述目的，本发明采用的技术方案是：基于大数据的空间负荷预测模型构建方法，包括如下步骤：

1)建立空间预测数据库，所述空间预测数据库包括录入单元和外部接口单元，收集空间预测数据，包括收集配电网规划区内的经济数据、规划数据和电力负荷数据；