[发明专利]一种电力日负荷预测方法及装置

说明书

本发明公开了一种电力日负荷预测方法及装置,其中，所述方法包括采集多份历史日负荷数据；使用以动态时间规整作为距离度量对所述历史日负荷数据进行聚类；将聚类后的所述历史日负荷数据输入马尔科夫链原始模型，对所述马尔科夫链原始模型进行训练，获得马尔科夫链预测模型；将当前的日负荷数据输入所述马尔科夫链预测模型中，以预测下一日的日负荷数据。本发明中，使用以动态时间规整作为距离对历史日负荷数据进行聚类，度量用户每日用电的相似性，将聚类后的所述历史日负荷数据输入马尔科夫链原始模型，训练获得马尔科夫链预测模型，通过马尔科夫链预测模型对下一日的日负荷数据，有效提升了用户每日负荷预测的精度。

技术领域

本发明涉及智能用电技术领域，具体的说是一种电力日负荷预测方法及装置。

背景技术

单个用户用电负荷的精准预测对智能用电业务的开展有着重要意义，可以帮助供电企业了解未来一段时间电力负荷的高峰时期，为供电控制提供依据，另外，可以帮助营销部门提供精确的定制化服务，提高用户黏性，精准的单个用户预测可以让营销部门提供准确的需求响应费率方案，提升电网稳定性，帮助用户节约能源成本。

目前，用户的用电负荷的行为相似性采用负荷曲线间的欧式距离来度量，即计算两个曲线在同一个时间点的负荷值之差的平方作为距离。

但是发明人发现，这种方法存在较大的局限性，准确性不高，例如，一个用户晚上回家后拥有稳定的电器使用习惯，但是因为早或晚回家一个小时就会使得两条曲线间的距离变得极大，若此时认为两个曲线间的用电行为有很大差距，就会产生错判。

发明内容

有鉴于此，本发明的目的在于提出一种电力日负荷预测方法及装置，能够有效提高用电负荷预测的准确性。

基于上述目的本发明提供的一种电力日负荷预测方法，包括

采集多份历史日负荷数据；

使用以动态时间规整作为距离度量对所述历史日负荷数据进行聚类；

将聚类后的所述历史日负荷数据输入马尔科夫链原始模型，对所述马尔科夫链原始模型进行训练，获得马尔科夫链预测模型；

将当前的日负荷数据输入所述马尔科夫链预测模型中，以预测下一日的日负荷数据。

作为一种可选的实施方式，所述使用以动态时间规整作为距离度量对所述历史日负荷数据进行聚类，包括：

使用以动态时间规整作为距离度量的K-means算法聚类所述历史日负荷数据。

作为一种可选的实施方式，所述使用以动态时间规整作为距离度量的K-means算法聚类所述历史日负荷数据，包括

使用以动态时间规整作为距离度量的K-means算法将所述历史日负荷数据聚类成c个簇，作为第一候选聚类簇，计算第一候选聚类簇的簇内簇间动态时间规整距离比，所述c为正整数；

使用以动态时间规整作为距离度量的K-means算法将所述历史日负荷数据聚类成c+1个簇，作为第二候选聚类簇，计算第二候选聚类簇的簇内簇间动态时间规整距离比；

计算所述第一候选聚类簇和所述第二候选聚类簇的簇内簇间动态时间规整距离比的差值，若所述差值低于阈值，则将所述第一候选聚类簇作为所述历史日负荷数据聚类后的目标聚类簇，若所述差值高于阈值，则将c更新为c+1，返回执行对历史日负荷数据聚类成c个簇的步骤。

作为一种可选的实施方式，所述使用以动态时间规整作为距离度量的K-means算法将所述历史日负荷数据聚类成c个簇，包括