[发明专利]一种地区电网短期负荷预测方法及系统

说明书

本发明涉及一种地区电网短期负荷预测方法及系统。该方法包括：网络终端收集负荷预测相关历史多元特征信息数据，网络爬取未来气象预测播报信息，并对收集到的特征信息进行数据预处理；气象信息细粒度化，待测日的气象虚拟相似日选取；待预测日负荷虚拟相似日选取；基于历史特征信息数据，基于深度学习理论确定训练好的短期负荷预测模型，进而实现对未来负荷的预测。本发明能够提高短期负荷预测的准确度。

技术领域

本发明涉及电力系统负荷短期预测领域，特别是涉及一种地区电网短期负荷预测方法及系统。

背景技术

随着经济的发展和大规模分布式能源的并网，地区电网气象敏感负荷基数不断上升，日负荷峰谷差持续拉大，负荷的局部变化情况显得越发随机与复杂。如何科学有效地结合细粒度气象特征数据，在短期负荷预测中深度挖掘相关因素与局部负荷变化之间的联系，是进一步提高负荷预测精度、实现负荷预测精细化工作管理的必然方向。

传统的地区电网短期负荷预测的研究一般可分为两个步骤：一是选取合适的相似日；二是基于相似日，结合各类特征分量对待预测日进行预测建模。过往的研究往往仅针对负荷进行相似日选取，实际上，相似日的选取不仅仅局限于负荷，亦可扩展至以气象等参数为对象的特征相似日。在实际的负荷预测工作中，待预测日只能采用粗粒度气象预测数据作为特征参数参与预测建模，这些数据与真实气象序列数据相比存在较大偏差，对预测效果影响很大。因此，如何将粗粒度气象数据细粒度化，使之能与负荷预测曲线一一对应，是短期负荷预测必须要解决的问题之一。

对于既有的负荷相似日，目前多数负荷相似日选取方法依旧停留在使用粗粒度日特征气象作为相似日选取特征量，难以映射到负荷的局部变化。且大部分方法均从历史日中选取负荷相似日，历史日与相似日之间往往存在着过分局部相似的特性，对负荷预测的效果影响亦是很大。因此，尝试构建选取相似度更高的负荷相似日，是提高短期负荷预测精度的必经之路。

发明内容

本发明的目的是提供一种地区电网短期负荷预测方法及系统，能够提高短期负荷预测的准确度。

为实现上述目的，本发明提供了如下方案：

一种地区电网短期负荷预测方法，包括：

获取历史日的多元特征信息数据以及待测日的气象预测播报信息；所述历史多元特征信息数据包括：历史日的96点负荷、日期类型以及历史日的细粒度气象；所述日期类型包括：工作日、周末以及节假日；所述历史日的细粒度气象数据包括：细粒度实时温度、湿度以及风速数据；所述待测日的气象预测播报信息通过网络爬取获得；所述待测日的气象预测播报信息包括：当日最高、最低温度，当日最高、最低湿度、风向、风速、空气质量、降水量和天气状况；

对所述历史日的多元特征信息数据以及待测日的气象预测播报信息进行预处理；所述预处理包括：缺失值补全、异常值修正、候均温法滑动划分四季、LabelEncorder编码处理、标准化处理以及综合气象指数计算；

根据预处理后的待测日的气象预测播报信息和预处理后的历史日的多元特征信息数据，采用灰色关联度算法确定气象历史相似日；所述气象历史相似日为与所述待预测日的多类粗粒度日特征气象数据关联度最高的前三类历史日；

根据气象历史相似日对应的关联度以及气象历史相似日对应的历史日的多元特征信息数据确定所述待测日对应的虚拟气象相似日的细粒度气象序列；

根据待测日对应的虚拟气象相似日的细粒度气象序列以及预处理后的历史日的多元特征信息数据，采用基于MIC赋权的加权灰色关联度算法，确定负荷相似日；

根据所述负荷相似日对应的相似度关联度以及气象历史相似日对应的历史日的多元特征信息数据确定所述待测日对应的虚拟负荷相似日的负荷序列；