[发明专利]一种融合环境反馈的智慧电网短期电力负荷预测方法

说明书

本发明公开了一种融合环境反馈的智慧电网短期电力负荷预测方法，根据各用电单位的电力负荷数据变化的本质规律进行聚类分析，将目标预测区域划分区块，针对区块分别建立预测模型组，避免过量相关模型的干扰；以天为单位分析一周内各区块的电力负荷时间序列并根据其波动规律划分时段分别建立预测模型，提升电力负荷预测的预测精度；同时，考虑到电力负荷突变的影响因素，建立平均温度、平均湿度和风速同电力负荷预测误差之间的映射关系，智能嵌入外部环境因素，得到融合环境反馈的电力负荷预测模型，极大提升了预测模型对电力负荷突变事件的敏感度和适应能力，保证了预测方法的鲁棒性，提高了短期电力负荷预测的预测精度。

技术领域

本发明属于电力负荷预测技术领域，具体涉及一种融合环境反馈的智慧电网短期电力负荷预测方法。

背景技术

电力负荷预测连接电网能源与用户需求，对于电能调度和绿色用电意义重大，精准的电网短期电力负荷预测方法能够实现电网能量的精细管理，是居民稳定用电、经济稳定发展的重要保障。

电力负荷时间序列是与电网相关的各种活动的综合结果，存在一定的周期性，同时，电力负荷时间序列还蕴含了外部环境变量的影响，短期电力负荷预测的精度易受气温、湿度等气象环境因素的干扰。据统计，2012年上半年我国深圳、南昌、海口、西安等大城市发生共11起大范围停电事故，电力行业认为天气变化造成电力负荷短期内激增，电能调度不及时是事故发生的重要原因。

发明内容

针对现有的因气候环境变化引起的短期电力负荷突变问题，本发明提供一种融合环境反馈的智慧电网短期电力负荷预测方法，实现提升预测模型对电力负荷突变事件的敏感度和适应能力，保证预测方法的鲁棒性，提高短期电力负荷预测的预测精度。

为实现上述技术目的，本发明采用的技术方案为：

一种融合环境反馈的智慧电网短期电力负荷预测方法，包括以下步骤：

步骤1，获取目标预测区域内所有用电单位N₁个连续周次的电压和电流历史数据，对各用电单位的电压和电流历史数据进行处理得到对应的功率序列，所有用电单位的功率序列组成目标预测区域的功率训练样本；

与功率训练样本的获取方法相同，获取目标预测区域的另一历史时间段N₁个连续周次的功率测试样本；同时获取目标预测区域在功率测试样本的历史时间段内每一天的平均温度、平均湿度和风速数据，构成目标预测区域的环境样本；

步骤2，根据功率训练样本中各用电单位的功率序列，对各用电单位进行聚类，将目标预测区域划分为N₃个区块；

步骤3，利用功率训练样本，建立基于PID神经网络的电力负荷预测模型组；

步骤3.1，利用各区块内的功率训练样本中所有功率序列，分别建立与N₃个区块对应的N₃个区块电力负荷预测模型组；每个区块电力负荷预测模型组均包括7个天次电力负荷预测模型组，其中7个天次电力负荷预测模型组分别与一周7天相对应；每个天次电力负荷预测模型组包括N₄个基于PID神经网络的电力负荷预测模型，其中N₄个电力负荷预测模型分别与一天N₄个时段相对应；

步骤3.2，对每个区块内的的功率训练样本中所有功率序列进行处理，每个区块均得到对应的电力负荷训练样本；

步骤3.3，依次以第a区块的电力负荷训练样本中任意两个连续周次的第b天次第n₂时段的电力负荷值作为输入数据、以下一周次的第b天次第n₂时段的电力负荷值作为输出数据，训练第a区块的第b天次第n₂时段的基于PID神经网络的电力负荷预测模型；其中，a＝1,2,…,N₃，b＝1,2,…,7，n₂＝1,2,…,N₄；