[发明专利]智能电网数据管理方法

说明书

技术领域

本发明涉及智能电网，特别涉及一种智能电网数据管理方法。

背景技术

由分布式电源、储能装置、能量变换装置、负载和监控、保护装置汇集而成的分布式微网系统对主网而言，可作为在秒级时间尺度内动作以满足外部输配电网络需求的可控单元；对于电力用户，分布式微网是能满足用户特定需求的可定制电源。分布式微网负载预测是实现安全、节能、高效运行的重要前提，是实现分布式微网能量优化管理的条件和依据，其预测效果的好坏直接关系到分布式微网和主网系统发供电计划的编制、电能质量的高低和电力市场的交易等。现有关于分布式微网负载预测技术针对发电装置的发电预测，而对用户负载预测尚无成熟方法。随着用户负载的波动性和随机性越来越大、历史数据不全面，其负载预测难度更大。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种智能电网数据管理方法，包括：

(1)从原始负载数据构成输入向量，对输入向量中各元素进行预处理；

(2)基于相似天选择准则对历史数据进行处理，形成训练样本；

(3)选择混合型核函数；

(4)用粒子群算法对支持向量机的参数进行优化；

(5)求解并完成对当天特定时刻负载的预测。

优选的，所述从原始负载数据构成输入向量包括，获取连续多天的天气因数量化值和每天负载均值、当天的天气因数量化值、每天类型量化值、在前多天同时刻的负载值；构成当天的输入向量；

所述对输入向量中各元素进行预处理包括，对于历史统计数据进行空缺数据的补足和异常数据处理：

引入采样点的每天负载变化率Δx和负载变化率均值对第i天t时刻点的空缺数据做如下校正：

当t＝1时，

Δx(i,t)＝(x(i,t)-x(i-1,T))/x(i-1,T)

当t＞1时，

Δx(i,t)＝(x(i,t)-x(i,t-1))/x(i,t-1)

其中x(i,t)为第i天t时刻的负载值，t为每天负载样本数，N为所选天数，Δx(i,t)和分别为第i天t时刻的每天负载变化率及其均值；

对同时刻超出范围的原始负载序列异常数据进行识别和校正：

第一步，计算各负载值的均值和标准差；设负载序列为x(d,t)，则各负载值均值E(t)及标准差σ(t)分别为：

E(t)＝∑x(d,t)/N

σ(t)＝(∑(x(d,t)-E(t))/N)^1/2

第二步，计算各负载值偏心系数和最大偏心系数；设第d天t时刻的偏心系数和t时刻最大偏心系数分别为ρ(d,t)和ρ_max(t)：

ρ(d,t)＝|x(d,t)-E(t)|/σ(t)

ρ_max(t)＝max(ρ(d,t))

第三步，识别与校正异常值，首先判断是否有ρ_max(t)大于预定义常数C，如果存在则认为该时间点t存在异常值，并进一步判断ρ(d,t)>C是否成立，若成立则将x(d,t)确定为异常值，用其前后一天同时刻的负载均值替换异常值x(d,t)，则x(d,t)为

x(d,t)＝(x(d-1,t)+x(d+1,t))/2

迭代执行第二和第三步，直到识别出所有的异常值，最终使得ρ_max(t)<C。

本发明相比现有技术，具有以下优点：

本发明提出的智能电网数据管理方法，在用户负载的波动性和随机性较大和历史数据不全面的情况下实现了电网实时负载预测，为分布式微网能量管理的后续工作奠定基础。

附图说明

图1是本发明智能电网数据管理方法的流程图。

具体实施方式

下文提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明在负载值空间上构建了一种支持向量机的分布式微网负载预测方法，为分布式微网能量管理的后续工作奠定基础。