[发明专利]考虑负荷增长率与用户用电特性的配变重过载预测方法

说明书

本发明属于电力工程技术领域，具体涉及一种考虑负荷增长率与用户用电特性的配变重过载预测方法，本发明利用配电变压器的历史运行数据，结合天气条件、季节变化、相似特征日等影响配电变压器运行状态的数据，通过这些海量数据采用K‑means算法和基于深度信念网络(deep belief network，DBN)的配电变压器负载预测模型对各配电变压器进行负载率预测，实现对配电变压器重过载运行状态的预警，改善配电变压器的运行状态以及配电网区供电质量的提升。

技术领域

本发明属于电力工程技术领域，具体涉及一种考虑负荷增长率与用户用电特性的配变重过载预测方法。

背景技术

经济建设的迅猛发展推动了电力工业的革命，同时随着人民生活质量的不断提高，无论是工业用电、商业用电还是居民生活用电均飞速增长，且增长趋势呈现多元化。在不同的用电地区，日负荷曲线受到季节、天气条件、特征日和用电地区等因素的影响，在不同的情境下呈现出巨大的差异，部分负荷出现极大的峰谷差。其中大功率电器的使用频率大幅度上升，会导致用电负荷激增，使配变运行至临界容量，处于重载甚至过载的不良运行状态，甚至造成变压器烧损。特别是在气温高的夏季和春节等重大节假日的特殊时段，是变压器故障的高发期，导致居民投诉率攀升，经济损失惨重。因而如何维持配变的正常运行状态，降低配电设备的故障率，提高用电服务质量是亟待解决的问题。

发明内容

为了解决上述问题，本发明提供了一种考虑负荷增长率与用户用电特性的配变重过载预测方法，具体技术方案如下：

考虑负荷增长率与用户用电特性的配变重过载预测方法，包括以下步骤：

S1：采集各配电台区变压器的历史运行数据，进行数据预处理；

S2：根据台区长期负荷增长率划分台区，将用电地区分为工业用电台区、商业用电台区以及居民用电台区三类，采用K-means算法对各个台区的负载曲线进行用户年用电量以及用户月用电量发展趋势进行聚类；根据设定划分的聚类数目，对台区的用户负载样本进行归类；

S3：采用K-means算法对不同的用户用电特性进行聚类，利用台区的用户用电特性划分台区的用户用电量类型；

S4：建立基于DBN的配电变压器负载预测模型，利用步骤S1中的训练样本集进行预训练，得到负载预测模型的网络参数初始值；

S5：通过误差BP算法对基于DBN的配电变压器负载预测模型的网络参数进行微调，获取参数最优值；

S6：利用建立的基于DBN的配电变压器负载预测模型对台区预测日的负载率进行预测，根据步骤S1中的数据形成预测模型的输入向量x＝[x₁,x₂,…,x_n]，随后，选取待预测日24h的台区负载率y＝[y₁,y₂,…,y₂₄]作为输出向量。

优选地，所述步骤S1中进行数据预处理的步骤具体如下：

S11：将台区负载的影响因素作为输入参数统一考虑，将台区负荷的影响因素分为三类：气象信息、日期类型、负荷趋势；所述气象信息包括气温、湿度、风速、风向；所述日期类型包括星期、节假日；所述负荷趋势包括周负荷趋势、年负荷趋势；具体描述如表1所示：

表1影响因素汇总

S12：采用min-max标准化方法将配电变压器的影响因素的数值进行归一化处理，将原始数据的大小约束在[0,1]之间，标准化公式如下：

其中，x^*为归一化后的数值，x_max为影响因素的最大值，x_min为影响因素的最小值，x为影响因素的数值。