[发明专利]一种公变台区电力负荷三相不平衡预测方法

权利要求书

1.一种公变台区电力负荷三相不平衡预测方法，其特征在于，包括：

获取公变台区的具有时序性的历史三相电力负荷数据，对公变台区进行聚类分析，将特性相似的公变台区聚为一簇；

确定与用电负荷强关联的指标，其中，所述指标包括：内部指标和外部指标，用电负荷为内部指标；

针对每簇，将其对应的历史电力负荷和外部指标数据进行结合，得到相应簇的训练集；

构建基于CLSTM-Attention的电力负荷预测模型，利用得到的相应簇的训练集，对构建的电力负荷预测模型进行训练，训练好的电力负荷预测模型采用迭代预测的方式，预测相应簇集合中某公变台区未来指定日的三相电力负荷预测；其中，CLSTM表示卷积神经网络卷积层和长短期记忆网络共同组成的特征提取模块，Attention表示注意力机制；

根据预测得到的三相电力负荷，确定相应公变台区未来指定日是否出现三相不平衡情况。

2.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述获取公变台区的具有时序性的历史三相电力负荷数据，对公变台区进行聚类分析，将特性相似的公变台区聚为一簇包括：

获取公变台区的具有时序性的历史三相电力负荷数据，提取每个公变台区每相电力负荷值，确定每个公变台区每相的年平均电力负荷值作为该公变台区该相的聚类样本；

统计所有公变台区的每相的聚类样本作为聚类数据集；

采用K-均值聚类算法对所述聚类数据集进行K-均值聚类，将电力负荷曲线特性相似的公变台区聚为一簇，得到簇集合。

3.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述外部指标包括：温度、相对湿度、日类型中的一个或多个。

4.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述确定与用电负荷强关联的指标包括:

利用灰色关联分析法分析用电负荷与指标之间的关联度，得到与用电负荷强关联的指标。

5.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述针对每簇，将其对应的历史电力负荷和外部指标数据进行结合，得到相应簇的训练集包括：

针对某簇，将聚类得到的该簇内的公变台区的历史三相电力负荷数据与对应的同一相同一时刻的历史外部指标数据进行结合，得到相应簇的训练集。

6.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述构建基于CLSTM-Attention的电力负荷预测模型包括：

采用单模型多变量的结构，构建基于CLSTM-Attention的电力负荷预测模型。

7.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述利用得到的相应簇的训练集，对构建的电力负荷预测模型进行训练，训练好的电力负荷预测模型采用迭代预测的方式，预测相应簇集合中某公变台区未来指定日的三相电力负荷预测；包括：

根据得到的相应簇的训练集，以预设天数为一个时间窗口进行循环迭代，对构建的电力负荷预测模型进行训练；

确定待预测公变台区所属的簇，所属簇对应的已训练好的电力负荷预测模型采用迭代预测的方式预测所述待预测公变台区在未来指定日的三相电力负荷。

8.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述根据预测得到的三相电力负荷，确定相应公变台区未来指定日是否出现三相不平衡情况包括：

根据预测得到的三相电力负荷，确定三相不平衡度；

若所述未来指定日中三相不平衡度高于标准阈值的总持续时间大于等于第一时间，或所述未来指定日中三相不平衡度连续持续时间大于等于第二时间，则判定相应公变台区在未来指定日处于三相不平衡情况。

9.根据权利要求8所述的公变台区电力负荷三相不平衡预测方法，其特征在于，三相不平衡度的计算公式为：

10.根据权利要求1所述的公变台区电力负荷三相不平衡预测方法，其特征在于，所述基于CLSTM-Attention的电力负荷预测模型包括：数据输入层、卷积神经网络卷积层和长短期记忆网络共同组成的特征提取模块、注意力机制层和长短期记忆网络输出层，其中，卷积神经网络卷积层以并行的方式去提取特征；

所述数据输入层，用于输入电力负荷数据及其对应的外部指标数据，并将输入的数据传入特征提取模块；

所述特征提取模块，用于通过卷积神经网络卷积层对输入数据进行卷积操作，长短期记忆网络对卷积神经网络卷积层提取的特征进行处理，得到保持电力负荷上下文时序关系的特征；

所述注意力机制层，用于对特征提取模块输出的保持电力负荷上下文时序关系的特征添加注意力机制概率分布加权，得到结合注意力机制概率分布的特征，并输入长短期记忆网络输出层；

所述长短期记忆网络输出层，用于对接收到的结合注意力机制概率分布的特征进行预测，得出每一时刻的电力负荷数据。