[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

说明书

本发明涉及电力工程技术领域，具体地说，涉及一种基于云计算和机器学习下的微电网负荷预测系统。包括负荷分析单元、负荷预测单元和系统算法学习单元，其特征在于：所述负荷分析单元用于对日、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用于基于神经网络算法对系统算法进行自主学习。本发明设计减少变量对分析的影响，提高预测数据的精准性，同时，能够不断的对系统内部的算法进行自主学习，进而提升系统的效率，能够更好为电力工程进行服务。

技术领域

本发明涉及电力工程技术领域，具体地说，涉及一种基于云计算和机器学习下的微电网负荷预测系统。

背景技术

电力工业是国民经济的基础工业。随着我国产业结构完善和人民整体生活水平的改善，对电能的需求逐年加大，同时对电力质量的要求也越来越高。电力负荷预测是电网规划建设的依据和基础。随着电力工业在国民经济中扮演着越来越重要的角色，电力负荷的正确预测显得尤为重要。目前微电网负荷预测多采用对电力系统负荷历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，对未来的负荷发展做出预先估计和推测，由于数值庞大，且数值之间的联系没有一定的规律，导致在进行预测时，因为变量过多，导致无法准确得到规律，影响预测数据，同时，在进行计算时，无法对系统内的算法自主学习，但是，电力数据日益增长，系统运算水平跟不上数据的更新，最终导致运行效率降低。

发明内容

本发明的目的在于提供一种基于云计算和机器学习下的微电网负荷预测系统，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供一种基于云计算和机器学习下的微电网负荷预测系统，包括负荷分析单元、负荷预测单元和系统算法学习单元，其特征在于：所述负荷分析单元用于对日、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用于基于神经网络算法对系统算法进行自主学习。

作为本技术方案的进一步改进，所述负荷分析单元包括单日负荷分析模块、多日负荷对比分析模块和气象要素分析模块；所述单日负荷分析模块用于分析某日负荷曲线走势；所述多日负荷对比分析模块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用于分析气象要素对负荷的影响情况。

所述分析某日负荷曲线走势是用于统计出该日的最大或最小负荷、平均负荷、积分电量等指标。

所述多日负荷对比分析模块选取一月内的单日负荷分析模块数据。

所述气象要素分析模块分析对象包括温度和湿度。

作为本技术方案的进一步改进，所述负荷预测单元包括用电单耗预测模块、电力弹性系数预测模块、负荷密度法预测模块、时间序列分析法和回归分析预测模块；所述用电单耗预测模块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根据时间变化的规律，建立时序模型，用于预测负荷水平；所述回归分析预测模块利用数理统计原理，对大量的统计数据进行数学处理，并确定用电量或用电负荷与某些自变量例如人口、国民经济产值等之间的相关关系，建立一个相关性较好的数学模式即回归方程，并加以外推，用来预测负荷水平。

由于，城市平均负荷密度是一个反映城市和人民生活水平的综合指数，负荷密度法预测模块是根据对不同规模城市的调查，参照城市发展规划、人口规划、居民收入水平增长情况等，用每平方公里面积用电负荷，来测算城镇负荷水平，其公式为：

P＝M×V；

式中，M为建筑面积；V为单位建筑面积负荷取值；P为最大负荷。

而：