[发明专利]基于电力大数据主变高峰负荷预测方法及数据仓库系统

说明书

技术领域

本发明涉及电力系统技术领域，更具体地，涉及一种基于电力大数据主变高峰负荷预测的方法。

背景技术

随着电力系统的商品化和市场化，电力负荷预测的准确性对电力系统安全经济运行和国民经济发展具有重要意义。电力负荷预测工作的水平已成为一个电力企业的管理是否走向现代化的显著标志之一。电力系统负荷预测值作为电能交易中的重要依据，为电力公司定制电能报价、运行方案以及电网规划提供了必要的导向，其预测精度将密切影响到电力企业的经济效益，尤其在我国电力事业空前发展的今天，用电管理走向市场，电力负荷预测问题己经成为电力系统面临的一项重要而又艰巨的任务。

电力负荷预测的结果对整个规划工作的优劣起到直接性的影响，众多电力工作者努力探求的目标是做到准确的预测。可是要达到这一点有很大的难度性，因为电量变化的影响因素是非常复杂的，这种类型的电力负荷预测，单纯依赖电力系统自身的资料和信息是完成不了的，另外环境因素与电量之间的关系是不可以用函数来简单地描述，换种说法它们就是一种模糊的关系，伴随着电力工业的前进和发展，电力系统规模越来越大，规模的变大使得众多政治、经济、社会甚至气象等因素也跟着一起加入到预测的大背景中来，使得预测环境的难度性大大增加。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于电力大数据主变高峰负荷预测的方法，通过建立数据仓库系统，建立数据挖掘处理方法，采用支持向量机方法预测主变负荷变化情况，实现准确、可靠的主变高峰负荷预测，合理调度系统使其安全经济的运行。

为解决上述问题，本发明提供的技术方案是：一种基于电力大数据主变高峰负荷预测的方法，其中，包括以下步骤：

S1.对电网系统历史数据进行统计和分析，建立数据仓库系统；

S2.采用序列模式分析和聚类分析数据挖掘方法，根据最终用户的决策目的对提取的知识进行分析，把最有价值的信息区分出来，提交给用户；

S3.通过整理的历史数据，对主变高峰负荷数据进行预处理，建立基于支持向量机的负荷预测模型，预测未来主变负荷情况。

进一步地，所述的S1步骤还包括数据处理，其中，数据处理包括数据的提取、数据的转载装载、源数据的建立、数据仓库建模。

进一步地，所述的S2步骤中的数据挖掘过程包括数据准备、数据挖掘和解释评估，其中，所述的数据准备包括以下步骤：

S201.数据集成，将多文件或多数据库运行环境中的数据进行合并处理，解决语意模糊性，处理数据中的遗漏和清洗无用数据；

S202.数据选择，根据用户要求，利用一些数据库操作对数据进行处理，从数据中提取出需要挖掘的数据集合；

S203.数据预处理，对S202步骤中的数据进行再加工，检查数据的完整性和一致性，对其中的噪声数据进行处理，对丢失的数据利用统计方法进行填补，为进一步的分析做准备，并确定将要进行的挖掘操作的类型；

S204.数据转换，根据数据挖掘的需要，进行离散值数据与连续值数据之间的相互转换、数据值的分组分类、数据项之间的计算组合的操作。

在本发明中，数据挖掘采用序列模式分析和聚类分析方法，从数据中提取用户需要的知识；其中，解释评估根据最终用户的决策目的对提取的知识进行分析，把最有价值的信息区分出来，提交给用户。在这个过程中，不仅要把知识以能被人理解的方式表达出来，还要对其进行有效性评价，如果不能满足用户要求，则应重复上述数据挖掘过程。

进一步地，所述的S3步骤中负荷预测包括：

S301.样本及其输入输出量的选择，支持向量机的负荷回归预测模型中输入向量x∈R^m为历史负荷、气象因素及日类型负荷影响因素，输出y为待预测负荷；根据己知数据建立训练样本集和预测样本集，建立支持向量机SVM回归目标函数，解得最优解带回到回归决策函数方程，得到回归决策函数，最后计算预测结果；

S302.核函数的选取，选取高斯径向基核函数作为回归模型中的核函数，高斯径向基核函数公式如下：

S303.对历史数据进行预处理和归一化处理；对历史数据进行平滑和归一化处理，即将原始数据通过线性变换至[-1，1]区间中，构成训练样本集；归一化公式为：