[发明专利]基于云平台与大数据分析的智能电网负荷预测方法

权利要求书

1.一种基于云平台与大数据分析的智能电网负荷预测方法，其特征在于，所述方法包括：

基于云平台整合待预测区域内所有传感器数据，对待预测区域进行格网划分；

将以待插值点为圆心的区域划分为多个扇形区域；在每个扇形区域中查找距离最近的参考点作为该扇形区域的最优参考点；根据各最优参考点与待插值点的距离，得到待插值点的数据；

待插值点以及传感器点的数据构成天气敏感负荷张量；根据待预测区域内每个新能源发电站的供电能力确定对应的辅助减负窗口尺寸，根据供新能源发电站的类型、位置以及辅助减负窗口尺寸，从天气敏感负荷张量中提取数据作为辅助减负张量；

结合辅助减负张量、天气敏感负荷张量、电网负荷特征，利用时序预测模型预测电网负荷。

2.如权利要求1所述的方法，其特征在于，所述根据待预测区域内每个新能源发电站的供电能力确定对应的辅助减负窗口尺寸包括：

根据新能源发电站i所接线路的电压确定量化半径表征值R_i：其中，n表示第i个发电站所连接的线路条数，Level_k表示第k条线路的电压等级；根据量化半径表征值确定量化半径真实值，辅助减负窗口的半径即为量化半径真实值。

3.如权利要求1所述的方法，其特征在于，所述扇形区域的圆心角相等，圆心角的角度度确定方法如下：

获取与待插值点距离最近的传感器点集合并作为待处理点集，对待处理点集和待插值点组成的点集进行凸包分析，得到参考点集；基于参考点集与待插值点生成三角网；根据待插值点所在角的角度确定圆心角的角度。

4.如权利要求3所述的方法，其特征在于，所述对待处理点集和待插值点进行凸包分析，得到参考点集包括：

步骤1a，对待处理点集和待插值点组成的点集进行凸包计算，若待插值点属于凸包顶点，则将凸包上的传感器点作为第一参考点，并将前次循环的凸包顶点作为第二参考点，转至步骤1c，否则转至步骤1b；

步骤1b，从待处理点集中剔除凸包顶点；若剔除后待处理点集个数大于1，则将剔除后待处理点集作为新的待处理点集转至步骤1a；若剔除后待处理点集仅包括一个点，则将该点作为第一参考点，将凸包顶点作为第二参考点，转至步骤1c；若剔除后待处理点集为空，则将凸包顶点作为第一参考点，转至步骤1c；

步骤1c，若第一参考点与待插值点所围成区域还包括传感器点，则将所包含的传感器点作为第三参考点。

5.如权利要求4所述的方法，其特征在于，所述基于参考点集与待插值点生成三角网包括：根据第一参考点、第三参考点以及待插值点生成三角网。

6.如权利要求3所述的方法，其特征在于，所述根据待插值点所在角的角度确定圆心角的角度包括：将待插值点所在角的最小角度确定为圆心角的角度。

7.如权利要求1所述的方法，其特征在于，所述根据各最优参考点与待插值点的距离，得到待插值点的数据包括：获得各最优参考点离散程度，根据各最优参考点离散程度、各最优参考点与待插值点的距离，利用插值算法计算待插值点的数据。

8.如权利要求1所述的方法，其特征在于，所述各最优参考点离散程度具体为：其中，N表示最优参考点个数，d_i,k表示最优参考点i与最优参考点k的距离，P_i、P_k分别为最优参考点i、最优参考点k的数据。

9.如权利要求1所述的方法，其特征在于，所述传感器数据包括降雨量、温度、光照强度、风速。

10.如权利要求1所述的方法，其特征在于，所述时序预测模型包括：时序预测编码器，用于对电网负荷特征进行特征提取；卷积神经网络，用于对天气敏感负荷张量、辅助减负张量进行分析、提取特征；全连接网络，用于对时序预测编码器、卷积神经网络的输出联合后所得特征进行分析，得到电网负荷预测结果。