[发明专利]电力负荷预测方法及预测系统

说明书

本发明提供了一种电力负荷预测方法及预测系统，所述预测方法包括：S1、基于电力负荷数据将电力负荷曲线分为N类；S2、选取3组数据集，利用基于交叉验证的网格搜索方法优化惩罚参数C和核函数参数g，并对N(N‑1)/2个SVM分类器进行训练，得到对电力负荷曲线进行分类的分类模型；S3、利用分类模型对电力负荷数据进行分类；S4、基于分类的电力负荷数据和负荷预测模型对电力负荷进行预测。本发明通过对电力负荷曲线进行分类，并建立基于SVM分类器的分类模型，从而实现在对电力负荷曲线进行分类的基础上实现负荷预测，分类模型中对参数C和g进行了优化，大大提高了分类模型的预测准确性。

技术领域

本发明涉及电力技术领域，特别是涉及一种电力负荷预测方法及预测系统。

背景技术

电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量(功率)的预测和对未来用电量(能量)的预测以及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据。

在电力负荷预测中，很多因素不同程度地影响着电力荷的预测值，有些因素因自然而变化，比如气象，有些因按地区条件产生差异，如工农业发展速度；有些因素是无估计的重大事件，如严重灾害等，并且各个因素对负荷的响可能是不一样的，而且同一因素的不同水平对负荷的影响也是不同的。

然而，现有的电力负荷预测方法大多是通过对过往数据进行基于经验的算法比对，预测结果不够准确。

因此，针对上述技术问题，亟需提供一种电力负荷预测方法及预测系统。

发明内容

有鉴于此，本发明的目的在于提供一种电力负荷预测方法及预测系统。

为了实现上述目的，本发明一实施例提供的技术方案如下：

一种电力负荷预测方法，所述预测方法包括：

S1、基于电力负荷数据将电力负荷曲线分为N类；

S2、选取3组数据集，利用基于交叉验证的网格搜索方法优化惩罚参数C和核函数参数g，并对N(N-1)/2个SVM分类器进行训练，得到对电力负荷曲线进行分类的分类模型；

S3、利用分类模型对电力负荷数据进行分类；

S4、基于分类的电力负荷数据和负荷预测模型对电力负荷进行预测。

作为本发明的进一步改进，所述电力负荷曲线分为13类，包括：

类1，用电驳杂不稳定，负荷波动大；

类2，负电且驳杂，在0的附近上下波动；

类3，峰电，且电力负荷波峰出现在上午9点到下午5点的用电高峰；

类4，峰电，且用电在晚上8点以后逐渐下降；

类5，负电且规律，负荷存在负值且规律明显，区别于类2；

类6，谷电，用电高峰出现在晚上；

类7，三波峰，存在三个用电高峰期，但是高峰期时间不规律；

类8，双波峰，以中午为界限，两侧存在用电高峰；

类9，双波峰，两个波峰基本存在于下午时段，且波峰大小趋于一样；

类10，双波峰，两个波峰都在下午且前侧高峰负荷明显低于后侧高峰负荷；

类11，双波峰，两个波峰都在下午，且前侧波峰远大于后侧；

类12，双波谷，晚上用电高，以中午为界限，两侧产生用电低；

类13，数值一定的一条直线。