[发明专利]一种城市饱和负荷预测方法及系统

说明书

本发明公开了一种城市饱和负荷预测方法及系统，包括：获取对城市分区后每个区域内变电站的历史负荷数据和对应时间段的气象数据构建训练样本集；采用线性聚类算法对训练样本集进行平滑度处理，以处理后的训练样本集对基于时间序列的饱和负荷预测模型进行训练；采用训练后的饱和负荷预测模型对待测区域变电站的待测时间段的气象数据进行预测，根据同一时间段内每个区域的变电站饱和负荷预测结果得到城市总饱和负荷预测结果。对城市负荷的总量进行预测的同时，还能获知区域负荷的空间分布，为城市配电网规划项目的优选排序提供基础。

技术领域

本发明涉及饱和负荷预测技术领域，特别是涉及一种城市饱和负荷预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

电力系统负荷预测中饱和负荷预测目前被应用于对城市电力负荷饱和分析方法，基于逻辑斯蒂曲线方程和历史数据求得饱和值；或把智能算法应用到预测中，应用蚁群算法和元胞自动机等理论搭建模型，分析神经网络模型在中长期负荷预测中的应用，通过S曲线法分析不同土地性质下饱和密度的状况。区域饱和负荷典型分析方法主要包括有基于人均电量的饱和负荷预测方法、基于城市负荷密度的饱和负荷预测方法和基于空间饱和负荷密度的预测方法。

基于人均电量的预测方法需依据国家宏观规划、城市总体规划以及各类专项规划，确定与城市资源、环境匹配的人口承载力，并参考国外典型发达国家的人均用电量，确定适合本市的人均饱和用电量，得到城市饱和负荷的大小，预测城市电力需求进入饱和大致的到达时间；采用人均用电量方法进行饱和负荷预测的思路大致为：饱和年份的人口总量与人均饱和用电量相乘，即得该地区的全社会用电量饱和规模。

城市负荷密度的饱和负荷规模可由全社会用电量饱和规模与最大负荷利用小时数之比得到；基于城市发展定位，参考与本市定位类似的负荷密度情况，推导得到本地区负荷增长表现饱和态势时的负荷密度，结合城市总体规划确定的城市规划用地面积，计算得到城市饱和负荷的规模。

基于空间饱和负荷密度的预测方法为：饱和年份的饱和负荷密度与用电面积相乘，即得该地区的全社会用电量饱和规模；最大负荷饱和规模由全社会用电量饱和规模与最大负荷的比值得到。

发明人认为，随着负荷预测影响因素复杂性的增加，上述传统的方法具有一定的局限性，难以解决复杂的非线性问题，导致负荷预测不准确。目前有通过神经网络模型构建输入变量与输出变量之间的映射关系实现预测的方案，也有基于双层贝叶斯分类模型的空间负荷预测方法，利用基于样本训练完成的分类模型，对各元胞依据其输入特征进行合理分类，从而获得其类标签，即负荷密度指标。然而，上述方法在实际应用中必将面临如何收集和处理大量样本数据的问题，而且影响电力负荷的因素很多，如天气因素、气候因素、历史负荷和经济因素、产业结构和用电结构等，对应的因素指标也众多，如平均气温、平均湿度、节假日天数、GDP增速、产业结构、用电结构、饱和负荷密度等；由于样本的数量、质量、分布及其对模型的训练效果，都会影响到预测模型的预测精度。

另外，在预测城市负荷时，若直接基于总体负荷曲线进行建模预测，则由于负荷水平较高，建模误差较小，但随机误差难以控制；若直接基于变电站序列进行建模预测，最后加总得到城市负荷预测结果，虽可以使得随机误差趋于均值0，但是由于每个序列负荷水平较低，导致建模困难，预测误差增大。

发明内容

为了解决上述问题，本发明提出了一种城市饱和负荷预测方法及系统，利用各个区域变电站的历史负荷数据对城市总体负荷进行解构，通过线性聚类法对构成城市总体负荷的各个变电站负荷序列进行平滑度处理，提高数据线性度，对经线性聚类处理后的序列进行最优ARIMA预测，并将每个区域的负荷预测结果相加得到城市总负荷预测值。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种城市饱和负荷预测方法，包括：