[发明专利]一种面向电力大客户的短期负荷预测方法

说明书

本发明公开了一种面向电力大客户的短期负荷预测方法，它包括对大客户用电负荷数据集进行处理；在大客户用电负荷数据集上添加上天气数据；将包含时间、负荷值和温度值三个维度的数据集转换为标准训练集；根据每个大客户的用电特性，划分为铁合金用电企业类型、建材用电企业类型、化工用电企业类型和纺织业用电企业类型；对每个类型的大客户分别进行负荷预测模型训练；通过训练好的负荷预测模型对对应类型的大客户进行负荷值预测；最后负荷值由各个模型每个相同时间点预测的负荷值进行叠加得到；解决了现有技术针对电力大客户的短期负荷预测采用传统短期负荷预测模型，存在由于梯度消失或梯度爆炸对负荷预测引起干扰，降低了精确度等技术问题。

技术领域

本发明属于电力负荷预测技术，尤其涉及一种面向电力大客户的短期负荷预测方法。

背景技术

随着经济和社会的稳定发展，建设全球能源互联网变得越来越重要。电力大数据的研究是一个对智能电网技术的重要课题。随着从监控数据的数据挖掘，可以有效改善对电力调度控制系统的决策。电力大客户负荷预测对电网规划建设和调度运行管理具有针对性指导意见，在当前配网发展趋势下显得非常重要。

相对稳定可靠的电力大客户短期负荷记录为负荷管理提供了大量的基础数据，这些数据的精确度对负荷预测有着较为显著的影响，进一步对负荷管理的效果有着直接的影响。如果预测结果过剩于实际需求，则会造成用电利用率低，提高发电成本，资源浪费，反之预测结果不能满足实际需求，则会引起供电负荷小甚至拉闸限电影响工业、经济有序的发展，因此对电力大客户短期负荷预测的精确度地把握显得尤为重要；而现有技术没有针对电力大客户的短期负荷预测模型，普遍采用传统短期负荷预测模型来进行负荷预测，采用这些传统的负荷预测方法，存在由于梯度消失或梯度爆炸对负荷预测引起干扰，降低了短期负荷预测的精确度。

发明内容

本发明要解决的技术问题是：提供一种面向电力大客户的短期负荷预测方法，以解决现有技术没有针对电力大客户的短期负荷预测模型，普遍采用传统短期负荷预测模型来进行负荷预测，采用这些传统的负荷预测方法，存在由于梯度消失或梯度爆炸对负荷预测引起干扰，降低了短期负荷预测的精确度等技术问题。

本发明的技术方案是：

一种面向电力大客户的短期负荷预测方法，它包括：

步骤1、对大客户用电负荷数据集进行处理；

步骤2、在大客户用电负荷数据集上添加上天气数据；

步骤3、将包含时间、负荷值和温度值三个维度的数据集转换为标准训练集；

步骤4、根据每个大客户的用电特性，划分为铁合金用电企业类型、建材用电企业类型、化工用电企业类型和纺织业用电企业类型；

步骤5、对每个类型的大客户分别进行负荷预测模型训练；

步骤6、通过训练好的负荷预测模型对对应类型的大客户进行负荷值预测；最后负荷值由各个模型每个相同时间点预测的负荷值进行叠加得到。

步骤1所述对大客户用电负荷数据集进行处理包括数据清理和数据规范化；大客户用电负荷值数据清理操作包括噪声数据处理和具有遗漏值的数据处理，对于错误数据采取整条删除的方式，对于不完整的缺失数据采取插值法补齐数据；对负荷值数据进行标准化操作，包括最大最小化、小数定标规范化和区域归一化。

步骤2所述天气数据为温度值，温度值的频率和负荷值的采集频率保持一致，并对温度值进行分段和量化处理。

步骤3所述标准训练集为：前k天同一个时间点上的负荷值、温度值数据为训练数据，第k+1天同一个时间点上的负荷数据为训练标签，每天p个时间点为一个子段，总数据集按这个子段进行切分，最终的训练集为四个维度，第一个维度是天数，第二个维度是一天的采集密度个数，第三个维度是前六天同一个时间点的负荷、温度值，第四个维度是第七天同一个时间点所对应负荷值。