[发明专利]一种基于负荷预测修正的区域电网主动规划方法及系统

权利要求书

1.一种基于负荷预测修正的区域电网主动规划方法，其特征在于，包括以下步骤：

获取区域电网预测月前一时段内变电站的负荷相关因素数据，利用月最大负荷偏差预测模型，得到月负荷偏差；其中，利用区域电网一定时间内的历史负荷相关因素数据制作训练数据集，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型；

具体的，获取区域电网一定时间内的历史负荷相关因素数据形成样本数据集；

通过k-均值聚类算法计算得到不同业扩种类下的负荷生长周期情况；

基于样本数据集，根据不同业扩种类下的负荷生长周期情况构建特征向量，由特征向量形成训练数据集；根据不同业扩种类下的负荷生长周期情况计算负荷数据，特征矩阵由添加时间序列的特征向量构成；构建由第k月特征向量构成的特征矩阵：

，由特征向量形成训练数据集；

其中分别表示为：峰谷电价差、行业类型、预测月前一年平均负荷、预测月前两年平均负荷、预测月前一月平均负荷、预测月前两月平均负荷、月平均日负荷率、月最大峰谷差、实际业扩增量；

基于月负荷基准值，利用月负荷偏差对预测月的负荷进行预测得到预测月的负荷预测值；月负荷基准值的获取过程为：利用灰色关联系数法计算各特征矩阵之间的距离；根据特征矩阵之间的距离判断不同日期不同行业月度负荷变化相关因素之间的相似程度；基于相似程度动态排序的判断结果，获取相似变化的负荷值；其中，月最大负荷值即为月负荷基准值；

将同一馈线下的预测月的负荷预测值叠加，乘以馈线同时率得到所在馈线的预测负荷预测结果；

基于“源-荷-网”一体化平衡原则，结合所在馈线的预测负荷预测结果计算配变容量大小。

2.如权利要求1所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，通过k-均值聚类算法计算得到不同业扩种类下的负荷生长周期情况的具体步骤为：

通过k-均值聚类计算得到不同行业下的相关负荷指标；

通过生长曲线拟合和k-均值聚类得到不同业扩种类下的负荷生长周期情况。

3.如权利要求2所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，不同行业下的相关负荷指标包括月最大负荷、月最小负荷、月平均负荷、月平均日负荷率、月最大峰谷差和月平均日峰谷差率。

4.如权利要求1所述的基于负荷预测修正的区域电网主动规划方法，其特征在于，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型的具体步骤为：

根据实际负荷值和相似时段的负荷值计算月最大负荷值偏差；

根据特征矩阵和相似时段相关因素的特征矩阵计算相关因素偏差；其中，特征矩阵由添加时间序列的特征向量构成；

以相关因素偏差为输入，月最大负荷值偏差为输出，利用LSTM算法通过训练样本集得到月最大负荷偏差预测模型。