[发明专利]一种电力负荷预测方法及预测装置

说明书

本发明提供一种电力负荷预测方法及预测装置，能够提高电力负荷结果预测的时效性和准确性。所述方法包括：获取多个公变台区的三相电力负荷数据及其对应的气象数据、星期类型；对获取的所有公变台区的同一相的电力负荷数据中的电力负荷值进行聚类，将电力负荷曲线特性相似的公变台区聚为一簇；构建LSTM‑Attention神经网络模型；获取待预测的公变台区，确定所述待预测的公变台区所属的簇；根据构建的LSTM‑Attention神经网络模型及所述待预测的公变台区所属的簇中的相似性公变台区对应的三相电力负荷数据、气象数据和星期类型，采用迭代预测的方式，对待预测的公变台区的每相电力负荷进行预测。本发明涉及电力技术领域。

技术领域

本发明涉及电力技术领域，特别是指一种电力负荷预测方法及预测装置。

背景技术

随着电网信息化进程的快速发展，智能电网建设的深入，各种智能设备和传感器的大量部署与更新。在电力系统中，存在着种种不平衡因素，可以归结为事故性和正常性两大类；其中，事故性不平衡是由于系统故障引起的，这种运行工况在系统中是不允许的，要通过保护装置切除故障元件，经处理后再恢复系统运行；正常性不平衡是由于三相元件、线路参数或负荷不对称引起的，如电气化铁道中的牵引负荷、冶炼系统中的电弧炉等。系统三相不平衡度如果超过一定范围，将会影响系统的安全运行，因此，深入分析电力负荷三相不平衡的问题，为安全优质供电提供新保障，显得越来越重要。

现有技术中，一般通过人工监控预测电力负荷或者使用人工指定特征进行逻辑回归预测电力负荷；其中，人工监控预测浪费人力成本；人工指定特征进行逻辑回归预测，不能像深度学习那样进行深层次的特征抽象，信息挖掘不充分，逻辑回归作为预测模型结构简单，对于复杂数据集，预测效果差，算法简单，无法满足海量多类型异构数据的计算需求。

发明内容

本发明要解决的技术问题是提供一种电力负荷预测方法及预测装置，以解决现有技术所存在的人工监控预测浪费人力成本及逻辑回归预测对于复杂数据集，预测效果差的问题。

为解决上述技术问题，本发明实施例提供一种电力负荷预测方法，包括：

获取多个公变台区的三相电力负荷数据及其对应的气象数据、星期类型；

对获取的所有公变台区的同一相的电力负荷数据中的电力负荷值进行聚类，将电力负荷曲线特性相似的公变台区聚为一簇；

构建LSTM-Attention神经网络模型，其中，LSTM表示长短期记忆网络，Attention表示注意力机制；

获取待预测的公变台区，确定所述待预测的公变台区所属的簇；

根据构建的LSTM-Attention神经网络模型及所述待预测的公变台区所属的簇中的相似性公变台区对应的三相电力负荷数据、气象数据和星期类型，采用迭代预测的方式，对待预测的公变台区的每相电力负荷进行预测。

进一步地，每相电力负荷数据包括：区县单位、负荷值、日期、台区唯一标识、供电单位、台区名称、台区容量、电流互感器变比、电压互感器变比、行业类型、公专变标志、线路编号、线路名称。

进一步地，所述气象数据包括：台站编号、日期、温度、气压、湿度、风速。

进一步地，所述获取多个公变台区的三相电力负荷数据及其对应的气象数据包括：

获取多个公变台区的三相电力负荷数据和气象数据；

确定第一公变台区内的公共变压器的台站编号信息，将所述台站编号信息对应的气象数据作为影响第一公变台区的每相电力负荷的区域气象数据，其中，第一公变台区为任一公变台区；

将日期相同的第一公变台区的每相电力负荷数据与所述区域气象数据进行合并，得到第一公变台区的三相电力负荷数据及其对应的气象数据。