[发明专利]一种基于模糊信息粒化与支持向量机的空间负荷预测方法

说明书

本发明是一种基于模糊信息粒化与支持向量机的空间负荷预测方法，其特征是，包括的步骤有：首先构建电力地理信息系统，并在其中分别生成两类元胞；其次按照时间尺度的长短区分Ⅰ类元胞负荷颗粒度的粗细，通过划分模糊粒化窗口，建立合理的模糊集对Ⅰ类元胞细颗粒度下的历史负荷数据进行模糊信息粒化，进而确定出Ⅰ类元胞粗颗粒度下的历史负荷的合理最大值；然后采用支持向量机模型，对粗颗粒度下的Ⅰ类元胞负荷进行预测；最后确定Ⅰ类元胞负荷密度均衡系数，求取分类负荷密度指标，结合用地信息求得各Ⅱ类元胞负荷预测值，从而实现对空间电力负荷预测结果的网格化。具有方法科学合理，适用性强，预测效果更佳等优点。

技术领域

本发明涉及配电网规划中空间负荷预测领域，是一种基于模糊信息粒化与支持向量机的空间负荷预测方法。

背景技术

空间负荷预测(spatial load forecasting，SLF)作为电力系统规划的基础性工作，其结果指导着未来电网的投资规划，空间负荷预测的准确性，不仅影响变压器容量、电网结构、电压等级、导线截面的选择，对整个电力网络布局的合理性、电网建设及其运行的经济性和安全性都有深远影响。

目前最常用的SLF方法有四类：多元变量法、用地仿真法、趋势法、负荷密度指标法。多元变量法把影响负荷的因素作为相关变量，在此基础上建立相应的外推模型来预测元胞未来年的负荷。鉴于影响负荷的因素及其复杂，考虑全部影响因素之间的非线性关系比较困难，加之对数据的数量和精准度要求较高，预测效果较差，国内外对其研究甚少。用地仿真法通常做法是以打分的形式对用地类型发展程度进行评价，其核心是用地决策。此类方法把分类负荷密度当作已知条件，但是其大小的确定并不容易。趋势法在待预测区域生成元胞，根据元胞历史数据外推其规划年的负荷发展趋势，该方法虽然操作简便且较容易实现，但元胞发展不均衡、负荷转移以及元胞的不断变化等复杂因素使得该方法有一定的局限性。负荷密度指标法因为其对城市规划方案变化具有较强的适应性的优势，被国内外广泛应用。对该类方法进行研究，需要基于负荷历史数据和相关决策变量，现有方法大多是对相关决策变量的改进与应用，而对历史负荷数据的有效利用也是提高预测可信度的关键。该类方法对历史负荷数据的利用率不足，忽视了对实测历史负荷数据的深入挖掘。

在实际工程中若直接使用实测负荷数据最大值进行空间负荷预测，则元胞负荷中的异常数据会导致预测结果精度降低，通过确定并利用元胞负荷合理最大值可以明显改善预测精度。

发明内容

本发明的目的是，提供一种科学合理，适用性强，预测效果更佳的基于模糊信息粒化与支持向量机的空间负荷预测方法。

实现本发明目的所采用的技术方案是，一种基于模糊信息粒化与支持向量机的空间负荷预测方法，其特征在于，它包括以下步骤：

1)构建电力地理信息系统

①配准基图；

②建立待预测区域内的10kV馈线供电范围图层；

③建立待预测区域内的用地信息图层；

④分别建立I类、II类元胞图层；

以待预测区域内的各10kV馈线供电范围生成Ⅰ类元胞，建立I类元胞图层；选取适当的空间分辨率，在待预测区域内生成II类元胞，建立II类元胞图层；

2)建立模糊信息粒化与支持向量机预测模型

首先划分模糊信息粒化窗口，然后对Ⅰ类元胞细颗粒度下的负荷数据进行模糊信息粒化，提取各窗口内模糊粒子的有效信息，确定Ⅰ类元胞历史负荷的合理最大值，最后对Ⅰ类元胞合理最大值进行支持向量机预测，得到基于Ⅰ类元胞的空间负荷预测结果；

颗粒度是根据时间尺度划分的，颗粒度的粗细是个相对的概念，粗颗粒度的选取根据预测目标的时间尺度来决定，细颗粒度根据历史负荷数据的采样频率以及预测需求合理选取；

①划分模糊粒化窗口