[发明专利]一种基于用户侧用电行为的配网负荷预测方法

摘要

本发明涉及电力系统技术领域，具体涉及一种基于用户侧用电行为的配网负荷预测方法，包括以下步骤：A)导入历史负荷数据；B)将历史负荷数据归一化处理；C)构建神经网络，每个神经元包括状态传递函数S、输出函数F和系数组状态传递函数S以及输出函数F均为定义域为(‑∞，+∞)值域为[‑1,1]的函数；D)训练神经网络；E)进行预测。本发明的实质性效果是：通过将用户分组，负荷数值归一化处理，减小无意义的差异；通过构建改进的神经网络模型，提高神经网络模型对负荷预测的适应度，提高预测精度。

主权项

1.一种基于用户侧用电行为的配网负荷预测方法，其特征在于，包括以下步骤：A)将一天以15分钟为间隔划分为96个时刻，将时刻按顺序标号，导入目标配网内每个用户的在每个时刻的历史负荷数据，所述历史负荷数据包括时刻序号以及负荷数据，将用户分组，获得每组的历史负荷数据(t_a|d，y_p，a|d)，α∈G，G为全部用户组，d∈D，D为历史数据包含日期的集合，所述日期以天为单位，t_a表示时刻序号，t_a∈[1，96]，y_p，a表示用户组a内的全部用户在t_a时刻的负载总和；B)将每组的历史负荷数据(t_a|d，y_p，a|d)归一化处理，获得归一化后的历史负荷数据(t_a|d，y_a|d)，其中E_a|d为对应日期d用户组a所接入的配变最大供电容量；C)构建包括96个神经元的神经网络，每个神经元包括状态传递函数S、输出函数F和系数组状态传递函数S以及输出函数F均为定义域为(‑∞，+∞)值域为[‑1，1]的函数，神经元的状态输出输出表示为每个时刻设置的系数组，共96组；D)通过启发式优化算法获得每个用户组在每个时刻对应的系数组使全部日期d内时刻t_a的神经网络输出与历史负荷数据对(t_a|d，y_α|d)中的y_a|d的误差总和最小，其中即为历史负荷数据对(t_a|d，y_a|d)中的y_a|d；E)确定每个时刻的系数组后，对于日期(d+1)的下一时刻(t_a+1)的用户组a的负荷预测值为其中s₀＝y₀＝0，将与E_a|d+1相乘即可获得最终的用户负荷预测。