[发明专利]一种短期电量负荷精准预测方法

说明书

本发明涉及电力工程领域，具体涉及一种短期电量负荷精准预测方法，包括收集电量、负荷数据，历史气象信息和节假日数据。对数据异常或数据缺失采用替换法和差值法进行清洗，对数据不同步采用平均值法、强制同步法进行清洗。获取清洗好的温度、电量负荷数据，计算得到各温度档位下的平均电量负荷，绘制温度电量负荷影响曲线，将电量负荷走势较为平缓的温度区间作为基准电量负荷温度区间。将各温度区间下的电量负荷进行归类并计算平均值，对于负荷模型还要考虑分时特性，得到电量温度影响模型和负荷温度影响模型。根据负荷占比模型得到的分行业、地区负荷数据，汇总得到网供负荷预测结果，本发明提供了一种能够精准预测短期电量负荷的预测方法。

技术领域

本发明涉及电力工程领域，具体涉及一种短期电量负荷精准预测方法。

背景技术

随着配电网信息化建设的推进，配电网在日常运行中产生了大量的配用电数据，但一直以来这些数据并未得到充分的挖掘和有效的利用。如今电改政策试点、售电侧放开对电力客户服务提出了更高的要求，电力行业市场化进程的深入也对电力负荷预测提出了更高的要求，如何充分利用这些数据资源，挖掘负荷、电量、业扩、气象等因素的关系，建立更加精准的负荷和电量影响模型，提高短期负荷预测的精确度成为一个急待解决的问题，受限于数据信息的不完整和粗粒度，短期网供负荷预测的准确率一直难以进一步提升，而配用电信息系统数据的积累和大数据技术的快速发展为开展基于配用大数据的短期负荷预测提供了数据基础和技术支撑，传统负荷预测方法大致可以分为统计算法和智能算法，统计算法包括时间序列模型、决策树、回归算法、随机森林等，智能算法包括人工神经网络、支持向量机、贝叶斯理论等基本算法及其改进算法，目前组合预测算法也受到了业界的青睐和关注。但上述方法由于建模时选取的样本较小，历史数据的选取直接影响负荷预测的效果。

针对上述问题，需要设计出一种用于短期电量负荷精准预测的方法。

发明内容

针对现有技术的不足，第一方面，本发明提供了一种短期电量负荷精准预测方法。能够解决背景技术中存在问题，实现对短期电量负荷的精准预测。

本发明的第一方面的目的是通过以下技术方案予以实现：

该种短期电量负荷精准预测方法，包括以下步骤：

步骤S1：收集电量、负荷数据，历史气象信息和节假日数据；

步骤S2：对数据异常或数据缺失采用替换法和差值法进行清洗，对数据不同步采用平均值法、强制同步法进行清洗；

步骤S3：获取清洗好的温度、电量负荷数据，计算得到各温度档位下的平均电量负荷，绘制温度电量负荷影响曲线，将电量负荷走势较为平缓的温度区间作为基准电量负荷温度区间；

步骤S4：将各温度区间下的电量负荷进行归类并计算平均值，得到电量温度影响模型和负荷温度影响模型；

步骤S5：根据负荷占比模型得到的分行业、地区负荷数据，汇总得到网供负荷预测结果。

特别地，所述步骤S1中，对电量、负荷数据，历史气象信息和节假日数据的收集，是通过对营配集成、用电信息采集系统、调度省地县一体化电量系统以及外部的气象数据构成的大数据中心中的各项数据进行采集得到。

特别地，所述步骤S2中，基于负荷数据缺失或数据异常较少时，采用差值法对数据异常或数据缺失进行清洗；基于当日负荷曲线，采用插值法实现负荷曲线的补全；电量数据缺失或数据异常较少时，基于当月电量曲线，采用插值法实现电量数据补全。