[发明专利]电采暖配电变压器负荷预测方法及装置

说明书

本发明公开了一种电采暖配电变压器负荷预测方法及装置。其中，该方法包括：采集待预测时间对应的预定历史时间段内的样本数据，采用组合预测模型，对预定历史时间段内的样本数据进行预测得到待预测时间的电采暖配电变压器的负荷预测数据，其中，组合预测模型为集成经验模态分解EEMD预测模型和反向传播BP神经网络预测模型的组合，其中，EEMD预测模型和BP神经网络预测模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组训练数据均包括：历史时间内的历史数据和在该历史时间段之后预测时间的电采暖配电变压器的负荷预测数据。本发明解决了相关技术中电采暖配电变压器负荷预测准确性不高的技术问题。

技术领域

本发明涉及电力控制领域，具体而言，涉及一种电采暖配电变压器负荷预测方法及装置。

背景技术

科学的电力预测是电网运行的保证。配电网建设、运行、规划等都与配电网内变压器的负荷情况有关。因此，配电变压器电力负荷预测对保障配电变压器安全、可靠、经济运行有重要意义。冬季寒冷漫长，很大一部分能源都消耗在取暖上。近年来，提出“煤改电”战略，使用电暖气替代燃煤锅炉或散煤取暖。而随着“煤改电”项目的不断推广，冬季用电负荷大幅增加，粗略估计“煤改电”后农村各户冬季每日负荷值增长5～10倍。负荷大幅增加会对低压配电网供电能力及可靠性、变电所间互带能力及高压电网可靠性等带来巨大影响。

相关技术中电力系统短期负荷预测方法主要有两种，一种是回归分析法、时间序列法等传统预测方法，其输入量只有负荷值序列，模型简单，计算速度较快，但是无法对考虑多因素影响的负荷预测建模；一种是以神经网络、支持向量机为代表的机器学习方法，其处理多因素问题(如考虑气象因素问题)具有较强的学习和模拟能力，能够更好地对电力负荷短期预测，但其准确率及速度仍无法满足含高比例电采暖设备的配电变压器的短期负荷预测要求。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种电采暖配电变压器负荷预测方法及装置，以至少解决相关技术中电采暖配电变压器负荷预测准确性不高的技术问题。

根据本发明实施例的一个方面，提供了一种电采暖配电变压器负荷预测方法，包括：采集待预测时间对应的预定历史时间段内的样本数据；采用组合预测模型，对所述预定历史时间段内的样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的负荷预测数据，其中，所述组合预测模型为集成经验模态分解EEMD预测模型和反向传播BP神经网络预测模型的组合，其中，所述EEMD预测模型和所述BP神经网络预测模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：历史时间内的历史数据和在该历史时间段之后预测时间的所述电采暖配电变压器的负荷预测数据。

可选的，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据包括：根据预定日期的天气变化指数，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据，其中，所述样本数据根据所述天气变化指数分为正常天气样本数据和突变天气样本数据。

可选的，在根据所述预定日期的所述天气变化指数，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据之前，还包括：通过以下方式，确定所述天气变化指数E：其中，P₁，P₂为所述预定日期上午、下午预定个数时间点的负荷累加值。