[发明专利]一种主变负载影响因素分类预测方法

说明书

本发明公开了一种主变负载影响因素分类预测方法，该方法为：收集数据信息，构建主变负载影响因素评价数据库，通过建立考虑典型时间、考虑电网拓扑结构、考虑停电计划、考虑主变参数、考虑气象信息、考虑主变过载特性、考虑主变重载特性、考虑主变负荷特性、考虑季节特性的主变负载影响因素评价模型，计算主变负载数据信息以及主变负载影响因素分析模型的相关系数，根据强关联主变负载影响因素评价因子，获得主变负载重要影响因素数据集，并对数据集分类，得到预测期主变负载影响因素评价因子预测值。本发明大大提升数据预测准确率和主变负荷预测精度，并降低全网主变计算时会产生计算量，提高计算效率。

技术领域

本发明涉及电力设备监控分析技术领域，具体涉及一种主变负载影响因素分类预测方法。

背景技术

掌握主变压器(简称主变)可能达到的负荷功率值对调度部门具有特别重要的意义。据预测结果优化电网运行方式、提前做好负荷割接，可有效提高电网运行的安全性和经济性。主变负荷预测值也可为错避峰计划和新上站计划提供依据。

在电网中，主变之间由于用电性质、负荷变化趋势、网架结构变化等信息特点不尽相同，因此现有主变负荷预测中，可以全面考虑主变所受因素影响情况，利用主变负载影响因素分析模型全面主变负载预测输入变量来提升主变负荷预测精度。为有效解决主变负荷预测模型的输入变量过多，导致模型容易陷入过拟合，降低模型的准确性，并且过多的特征也会导致模型变得更加复杂，在训练和预测时的计算耗时增多、计算量大、计算效率低等问题，可根据强关联主变负载影响因素评价因子，获得主变负载重要影响因素数据集。但利用预测期间主变负载重要影响因素数据集作为主变负载预测模型输入数据时，这些数据多为人工根据经验上报，数据随机性较强，准确率较低，使用这些数据会产生预测输入数据不准确导致主变负载预测准确率低的问题。

发明内容

本发明要解决的技术问题是：提供一种主变负载影响因素分类预测方法，以解决现有技术中利用预测期间主变负载重要影响因素数据集作为主变负载预测模型输入数据时，这些数据多为人工根据经验上报，数据随机性较强，准确率较低，使用这些数据会产生预测输入数据不准确导致主变负载预测准确率低的问题。

本发明采取的技术方案为：一种主变负载影响因素分类预测方法，该方法为：收集全面分析与主变负载特性有关的数据信息，构建主变负载影响因素评价数据库，通过建立考虑典型时间的主变负载影响因素评价模型ξ1、考虑电网拓扑结构的主变负载影响因素评价模型ξ2、考虑停电计划的主变负载影响因素评价模型ξ3、考虑主变参数的主变负载影响因素评价模型ξ4、考虑气象信息的主变负载影响因素评价模型ξ5，考虑主变过载特性的主变负载影响因素评价模型ξ6，考虑主变重载特性的主变负载影响因素评价模型ξ7，考虑主变负荷特性的主变负载影响因素评价模型ξ8，考虑季节特性的主变负载影响因素评价模型ξ9，构建全面的主变负载影响因素分析模型，计算主变负载数据信息以及主变负载影响因素分析模型的相关系数，根据强关联主变负载影响因素评价因子，获得主变负载重要影响因素数据集，并按照计划性和非计划性影响因子对数据集分类，从而得到预测期主变负载影响因素评价因子预测值。

该方法包括以下步骤：

步骤1：收集主变负载数据信息以及全面分析主变负载特性有关的数据信息，构建主变负载影响因素评价数据库。

步骤2：利用步骤1得到的主变负载影响因素评价数据库，建立考虑典型时间的主变负载影响因素评价模型ξ1。

其中，考虑典型时间的主变负载影响因素评价模型ξ1包括长时间模型ξ11，短时间评价模型ξ12。

长时间评价模型ξ11包括春季评价因子、夏季评价因子、秋季评价因子、冬季评价因子。

短时间评价模型ξ12包括节日评价因子、双休日评价因子、工作日评价因子、特殊时期(如国庆、高考、重大会议等时期)保供电评价因子。

步骤3：利用步骤1得到的主变负载影响因素评价数据库，建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2。