[发明专利]一种电力负荷预测指标选取方法及装置在审

专利信息
申请号: 202010686173.9 申请日: 2020-07-16
公开(公告)号: CN111931992A 公开(公告)日: 2020-11-13
发明(设计)人: 唐俊熙;曹华珍;高崇;吴亚雄;张俊潇;王天霖;张雪莹;何璇;李浩;陈沛东;李阳;黄烨;李耀东;石颖;张道路 申请(专利权)人: 广东电网有限责任公司;广东电网有限责任公司电网规划研究中心
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 杨小红
地址: 510600 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电力 负荷 预测 指标 选取 方法 装置
【说明书】:

本申请提供了一种电力负荷预测指标选取方法及装置,其中方法包括:获取历史负荷数据以及负荷指标的历史数据;基于历史负荷数据以及负荷指标的历史数据,构建历史负荷矩阵,基于历史负荷矩阵得到的灰色关联系数与负荷指标权重,通过关联度计算,得到负荷指标的关联度,以便根据负荷指标的关联度,确定电力负荷预测指标选取的结果。本申请基于灰色关联分析对各个分类中的各个指标对负荷的影响程度进行定量分析,利用参考序列与比较序列之间的距离对关联度进行优化,使得到的关联度与指标的实际重要程度更加贴近,再通过比较各个指标的关联度,最终确定负荷预测的关键指标,解决了现有的电力负荷预测方法预测精度低的技术问题。

技术领域

本申请涉及电力负荷管理领域,尤其涉及一种电力负荷预测指标选取方法及装置。

背景技术

电力负荷预测是电网健康运行的基础,在电力运维管理中,电力负荷预测的精度越高,越有利于人力、物力、财力等资源的合理使用,造成的资源浪费也越少。因此,如何提高负荷预测精度是电力行业的重要研究方向。

目前主流的电力负荷预测方法为利用神经网络训练的电力负荷预测模型进行预测,然而目前,电力负荷预测模型数不胜数,原因在于影响电力负荷的因素众多,在模型训练阶段,采用不同的训练样本训练出来的模型千差万别,而且目前训练预测模型的指标选取及指标权重配置更多时候是依赖于管理人员的主观分析完成,具有一定的盲目性,导致了现有的电力负荷预测方法预测精度低的技术问题。

发明内容

本申请提供了一种电力负荷预测指标选取方法及装置,用于解决现有的电力负荷预测方法预测精度低的技术问题。

首先,本申请第一方面提供了一种电力负荷预测指标选取方法,包括:

获取历史负荷数据以及负荷指标的历史数据;

基于所述历史负荷数据以及所述负荷指标的历史数据,构建历史负荷矩阵,其中所述历史负荷矩阵包括一组参考序列和至少一组比较序列;

通过欧式距离值计算公式,计算所述比较序列与所述参考序列的欧式距离值;

通过灰色关联分析法,分别计算各个所述比较序列的元素与所述参考序列的元素之间灰色关联系数;

基于所述灰色关联系数与负荷指标权重,通过关联度计算,得到所述负荷指标的关联度,以便根据所述负荷指标的关联度,确定电力负荷预测指标选取的结果,其中所述负荷指标权重为根据所述欧式距离值与欧式距离值累加和的比值得到的。

可选地,所述获取历史负荷数据以及负荷指标的历史数据之后还包括:

基于所述历史负荷数据以及所述负荷指标的历史数据的采集时间,结合预设的分类时间段,对所述历史负荷数据以及所述负荷指标的历史数据进行分类,得到不同时期的历史负荷数据以及负荷指标的历史数据,以便于构建各个时期对应的历史负荷矩阵。

可选地,所述基于所述灰色关联系数与负荷指标权重,通过关联度计算,得到所述负荷指标的关联度,以便根据所述负荷指标的关联度,确定电力负荷预测指标选取的结果之后还包括:

将所述各个时期的历史负荷矩阵得到的负荷指标的关联度进行比较,基于比较结果,得到负荷预测的时间影响结果。

可选地,所述基于所述历史负荷数据以及所述负荷指标的历史数据,构建历史负荷矩阵之后还包括:

通过均值法,对所述历史负荷矩阵进行无量纲化预处理。

可选地于,所述负荷指标具体包括:电价、电力建设投入、人口数量、国内生产总值、气候参数。

其次,本申请第二方面提供了一种电力负荷预测指标选取装置,包括:

数据获取单元,用于获取历史负荷数据以及负荷指标的历史数据;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司电网规划研究中心,未经广东电网有限责任公司;广东电网有限责任公司电网规划研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010686173.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top