[发明专利]基于判别分析和支持向量机结合的工业园区负荷预测方法

说明书

本发明涉及电网供电技术领域，具体为工业园区的用电负荷预测方法，预测园区已有企业下月负荷增长情况：基于机器学习算法，采用支持向量机回归预测建立园区已有企业最大负荷预测模型，利用最大负荷预测模型对已有企业最大负荷增长进行预测；预测园区新增企业负荷需求情况：构建企业基本信息指标体系和最大负荷需求规模判别分析模型；应用判别分析模型，结合园区未来新增企业基本信息对新增企业最大负荷需求进行判别预测；将园区已有企业下月负荷需求、园区新增企业负荷需求合计，得到下月负荷增量信息。本发明结合在建园区已有企业负荷增长需求和未来新增企业最大负荷需求开展负荷需求预测，对园区的短期用电增长需求进行有效判别。

技术领域

本发明涉及电网供电技术领域，具体为工业园区的用电负荷预测方法。

背景技术

随着国家电力市场改革的推进，《有序放开配电网业务管理办法》等政策的出台，社会资本开始进入配售电领域，工业园区成为主要的改革试验田，引起了各界的关注。受到城市规划优先于配电网规划的影响，容易导致新增规划区内实际用电负荷与电网供电容量存在偏差的问题，电力需求缺乏保障，成为了区域发展的“瓶颈”。常用的行政区域(包括省域、城域)负荷预测方法包括单耗法、趋势拟合法、负荷密度法、专家预测法等；适用于特定区域的负荷预测方法包括负荷密度法、单位用电面积用电指标法、人均用电指标法等。以上方法主要依赖于中远期明确的区域性规划开展，但由于在建工业园区在规划年限内发展程度难以确定，短期的负荷难以准确预测，对于短期的实际用电需求无法有效预估。

发明内容

为解决现有技术所存在的技术问题，本发明提供基于判别分析和支持向量机结合的工业园区负荷预测方法，利用大数据挖掘分析常用的统计手段，创新性地结合在建园区已有企业负荷增长需求和未来新增企业最大负荷需求，开展园区月度负荷需求预测，对园区的短期用电增长需求进行有效判别。

本发明采用以下技术方案来实现：基于判别分析和支持向量机结合的工业园区负荷预测方法，包括以下步骤：

预测园区已有企业下月负荷增长情况：基于机器学习算法，采用支持向量机回归预测，建立园区已有企业最大负荷预测模型，利用所述最大负荷预测模型对已有企业的最大负荷增长进行预测，得到园区已有企业下月负荷需求；

预测园区新增企业负荷需求情况：构建企业基本信息指标体系和最大负荷需求规模判别分析模型；应用所述最大负荷需求规模判别分析模型，结合园区未来新增企业基本信息，对新增企业最大负荷需求进行判别预测，得到园区新增企业负荷需求；

将园区已有企业下月负荷需求、园区新增企业负荷需求合计，得到下月负荷增量信息。

在优选的实施例中，预测园区已有企业下月负荷增长情况，包括如下步骤：

整理每个用户近年来的月度最大负荷、相关影响因素指标数据，得到影响因素指标及月度最大负荷宽表；

通过相关系数矩阵，筛选相关影响因素指标；

建立负荷预测模型，预测企业下月最大负荷需求；

根据企业下月最大负荷需求的预测结果，结合企业合同容量信息，计算每个企业当前负载率情况，根据负载率判断该企业是否需增容。

在优选的实施例中，预测园区新增企业负荷需求情况，包括如下步骤：

将每个行业历史最大负荷数据，离散化为多个层级的负荷需求规模指标；获取各企业生产规模、历史最大负荷信息，得到企业规模及负荷需求宽表；

按行业建立企业规模与负荷需求的判别分析模型；基于企业规模及负荷需求宽表，使用所有企业的区域、行业、规模信息作为变量，计算变量与企业的历史最大负荷的相关关系，形成企业区域、行业、规模指标与负荷需求的判别分析模型；