[发明专利]一种基于大数据分析的电网增量负荷预测方法

说明书

本发明公开一种基于大数据分析的电网增量负荷预测方法，包含：S1、采集人均售电量数据和负荷数据；S2、建立时间与负荷的关系趋势；S3、建立人均售电量与负荷的关系趋势；S4、根据人均售电量与负荷的关系趋势，初步确定拟合所用的回归模型；S5、采用回归模型对人均售电量数据和负荷数据进行拟合，得到负荷‑人均售电量拟合曲线；S6、对拟合效果进行评估，将拟合效果最好的方程作为预测方程式。本发明对区域内每个单元根据人均售电量和负荷数据进行回归分析，进行精细化的负荷预测，使负荷预测结果更加精细准确，每个单元的负荷预测结果对该单元具体规划方案的编制也提供了精确的数据基础，为规划方案的精确性奠定了基础。

技术领域

本发明涉及电力行业电网配电规划技术领域，特别涉及一种基于大数据分析的电网增量负荷预测方法。

背景技术

电力系统负荷预测是电力系统各种安全技术措施的重要组成部分，它和继电保护、稳定计算、短路计算一样，对电力系统的安全、经济、稳定运行有着非常重要的作用。负荷预测是电网规划及经营工作的基础，准确的负荷预测有助于提高系统运行的安全性和稳定性，能够减少发电成本、可以保证规划的精确。而精准的配电网投资规划，最大效用的投资，可以保持现有网架安全运行的同时满足新增负荷的用电需求。

负荷预测的核心问题是如何利用现有的历史数据(历史负荷数据和人均售电量数据等)，采用适当的预测方法对未来时刻或时间段内的负荷值和电量值进行估计。其中，进行负荷预测要具备两方面的条件：一是历史数据信息的可靠性；二是预测方法的有效性。

传统的负荷预测方法，难以精确反映局部快速发展地块的负荷增长情况。对于用电负荷的预测，需要运用更加精细化的方法来实现精确的负荷预测。因此根据人均售电量数据采用大数据分析方法中的回归分析的负荷预测方法，既考虑到人均售电量，又基于大数据的分析，使得预测更加准确与精细化。

发明内容

本发明的目的在于提供一种基于大数据分析的电网增量负荷预测方法，通过对每个单元研究其历史负荷数据，考虑用户的负荷特性，拟合负荷-人均售电量曲线，分析该单元的增长趋势，从而得出其负荷预测结果。此方法按照单元开展预测工作，反映了不同单元的负荷分布情况，保证了负荷预测结果更加精细准确。同时每个单元的负荷预测结果对该单元具体规划方案的编制也提供了精确的数据基础，为规划方案的精确性奠定了基础。

为了达到上述目的，本发明公开了一种基于大数据分析的电网增量负荷预测方法，该方法包含以下步骤：

S1、将人均售电量数据和负荷作为变量，并采集人均售电量数据和负荷数据；

S2、采取相关性分析，建立时间与负荷的关系趋势，用于剔除异常数据或者填充缺失数据；

S3、采取相关性分析，建立人均售电量与负荷的关系趋势；

S4、根据所述人均售电量与负荷的关系趋势，初步确定拟合所用的回归模型；

S5、基于回归模型对人均售电量数据和负荷数据进行拟合，得到负荷-人均售电量拟合曲线；

S6、对拟合曲线的拟合效果进行评估，将拟合效果最好的方程作为预测方程式。

优选地，所述步骤S1中进一步包含：确定采集数据的相关地区以及时间段，得到对应的负荷数据和与之匹配的人均售电量数据。

优选地，所述步骤S1中进一步包含：对采集到的所述人均售电量数据和所述负荷数据进行清洗工作。

优选地，所述步骤S2中进一步包含：画出时间与负荷的散点图，并通过观察该散点图，得到负荷的分布情况并得出异常数据或缺失数据。

优选地，所述步骤S4中，所述回归模型为线性回归模型、对数回归模型、二次回归模型、S型回归模型、指数回归模型中的任意一种。