[发明专利]一种基于云计算和机器学习下的微电网负荷预测系统

权利要求书

1.一种基于云计算和机器学习下的微电网负荷预测系统，其特征在于：包括负荷分析单元(100)、负荷预测单元(200)和系统算法学习单元(300)，其特征在于：所述负荷分析单元(100)用于对日、周、月、季、年的负荷数据分析以及负荷与气象要素的分析；所述负荷预测单元(200)用关于通过单变量之间的相互关系对未来负荷值做出一个方向性的结论；所述系统算法学习单元(300)用于基于神经网络算法对系统算法进行自主学习。

2.根据权利要求1所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述负荷分析单元(100)包括单日负荷分析模块(101)、多日负荷对比分析模块(102)和气象要素分析模块(103)；所述单日负荷分析模块(101)用于分析某日负荷曲线走势；所述多日负荷对比分析模块(102)用于一段时间内的日负荷曲线和日统计指标进行对比分析；所述气象要素分析模块(103)用于分析气象要素对负荷的影响情况。

3.根据权利要求1所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述负荷预测单元(200)包括用电单耗预测模块(201)、电力弹性系数预测模块(202)、负荷密度法预测模块(203)、时间序列分析法(204)和回归分析预测模块(205)；所述用电单耗预测模块(201)用于根据预测期的产品产量和用电单耗计算需要的用电量；所述电力弹性系数预测模块(202)用于根据年用电量的年平均增长率和国内生产总值年平均增长率来预测负荷水平；所述负荷密度法预测模块(203)用于根据面积用电负荷，来测算负荷水平；所述时间序列分析法(204)根据时间变化的规律，用于预测负荷水平；所述回归分析预测模块(205)利用数理统计原理，建立数学模式即回归方程，用来预测负荷水平。

4.根据权利要求3所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述用电单耗预测模块(201)的算法公式如下：

式中，P_n·max为年最大负荷，单位为MW；A_n为年需用电量，单位为kW·h；Tmax为年最大负荷利用小时数，单位为h。

5.根据权利要求3所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述电力弹性系数预测模块(202)的计算公式如下：

A_m＝A₀(l+k_tk_gzch)ⁿ；

式中，Am为预测期末的需用电量或年最大负荷；A0wei预测期初的需用电量或年最大负荷；kt为电力弹性系数，k_g螸ch为国内生产总值年平均增长率。

6.根据权利要求1所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述系统算法学习单元(300)包括核函数极限学习模块(301)、参数寻优目标学习模块(302)和加权离散距离学习模块(303)。

7.根据权利要求6所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述核函数极限学习模块(301)基于ELM算法实现，其网络函数表达式为：

式中，a_i为为连接输入层与隐藏层节点的输入权重，b_i为隐藏层节点的阈值，且a_i，b_i随机生成，G(a_i，b_i，x_j)为隐藏层的激励函数，β_i为为连接隐藏层和输出层的输出权重，N为输入层输入数据x_j的维数。

8.根据权利要求6所述的基于云计算和机器学习下的微电网负荷预测系统，其特征在于：所述参数寻优目标学习模块(302)的目标函数为：

式中，X_i为为输入训练样本，y_i为训练样本的目标值，为预测输出值，N为训练样本数。