[发明专利]一种基于信息新鲜度的电网电力数据预测方法

说明书

本发明公开了一种基于信息新鲜度的电网电力数据预测方法，选取电力数据样本，选用弹性BP神经网络对电力数据样本处理，在神经网络中进行训练，以获得预测负荷的神经网络模型；步骤一、电力数据的预处理；将所述电力数据样本进行处理、采样；步骤二、信息新鲜度计算；对步骤一的初分类的电力数据样本进行终分类，以获得输出预测阶段的输入的电力数据；步骤三、数据预测；将步骤二终分类的电力数据样本作为预测负荷的神经网络模型的输入量，获得不同数据新鲜度的负荷数据对待预测点的电力预测负荷值，选取误差最小的预测值最为最终的负荷预测值。该方法具有更高的预测准确度，可为电力系统中的发电和用电策略提供直接的数据支撑。

技术领域

本发明涉及电网数据处理领域，具体涉及一种基于信息新鲜度的电网电力数据预测方法。

背景技术

随着经济和社会的发展，电力系统广泛的应用到社会的生活和生产的各个方面中。在大型企业中，电力系统中具有一个总变电站和多个分别与总变电站连接的配电变电站，总变电站与一个配电变电站连接之后形成一个回路。从而需要对各配电变电站的运行状态进行及时的获取，根据各回路的运行状态，对各回路上的设备进行调整。

现有技术主要从电力系统影响因素出发，对电力数据进行预测，以对应调整电网设备等工作情况。

发明内容

本发明所要解决的技术问题在于解决现有电力数据分析方法忽略(多尺度时序特征)对负荷预测准确度的影响，从电力数据信息新鲜度的角度出发，刻画多尺度时间信息与预测数据之间的数理关系，并采用鲁棒的神经网络进行电力数据预测，从而提出一种基于信息新鲜度的电网数据预测方法。该方法具有更高的预测准确度，可为电力系统中的发电和用电策略提供直接的数据支撑。

一种基于信息新鲜度的电网电力数据预测方法，包括电力数据的预处理阶段、信息新鲜度计算阶段、负荷预测神经网络训练阶段和数据预测阶段；

选取电力数据样本，选用弹性BP神经网络对电力数据样本处理，在神经网络中进行训练，以获得预测负荷的神经网络模型；

步骤一、电力数据的预处理

将所述电力数据样本进行处理、采样，将处理后的采样的电力数据样本进行初分类；

步骤二、信息新鲜度计算

对步骤一的初分类的电力数据样本进行终分类，以获得输出预测阶段的输入的电力数据；

步骤三、数据预测

将步骤二终分类的电力数据样本作为预测负荷的神经网络模型的输入量，获得不同数据新鲜度的负荷数据对待预测点的电力预测负荷值，选取误差最小的预测值最为最终的负荷预测值，并输出对应数据新鲜度。

在本发明的一个优选实施例中，所述步骤一的采样具体包括：每隔m分钟对步骤一的电力数据样本采样一次，设采样次数为t，总共有N次采样，则样本集为：D＝{(x₀,y₀),(x₁,y₁),...,(x_t,y_t),...,(x_N,y_N)}，横坐标x_t＝mt为距离待预测点的时间长度，以秒为单位，纵坐标y_t以kwh为单位，t＝0时刻的点(x₀,y₀)作为电力负荷的待预测点。

在本发明的一个优选实施例中，所述步骤一的初分类具体包括：

将样本集D进行分成n份，每份子数据集用符号D_i表示，且子数据集的长度N_i，对每份电力数据子集D_i采用k-means进行均值聚类，以形成最佳分类。

在本发明的一个优选实施例中，所述聚类算法公式：