[发明专利]一种配电网负荷预测方法

权利要求书

1.一种配电网负荷预测方法，其特征在于：包括以下步骤：

步骤一：将获取的各个测量点的负荷值进行标幺化处理，处理后的数据形成对应的负荷特征曲线；

步骤二：对步骤一中获得的各个负荷特征曲线进行聚类分析，从而实现对缺失和为零的数据进行修正；

步骤三：对步骤二获得的同一配变的所有历史负荷特征曲线进行聚类，分析温度、天气、日期对负荷的影响；

步骤四：将步骤三中修正后的曲线通过深度置信神经网络建立输出配电网负荷预测模型实现配电网负荷预测。

2.根据权利要求1所述的一种配电网负荷预测方法，其特征在于：所述步骤一中的标幺化处理过程具体为：所述标幺化处理的公式如公式(1)：

式(1)中X_i为标幺化后测量点i的负荷值，p_i为测量点i的负荷值，p_max、p_min分别为原始日负荷曲线中的最大值和最小值。

3.根据权利要求1所述的一种配电网负荷预测方法，其特征在于：所述步骤二的具体过程为：计算出待修正曲线正常负荷点与特征曲线的距离，选取距离最近的特征曲线作为基准。利用负荷曲线的横向相似性，将基准曲线对应位置的值通过倍比法平移嫁接到待修正曲线上，完成坏数据点的修正；具体的修正公式为:

(2)式中:x_c,i为坏数据点i修正后的值；x_t,i为基准曲线上坏数据点i的值；x_d,p-1、x_d,q+1分别为待修正曲线上坏数据点，x_t,p-1、x_t,q+1分别为基准曲线上坏数据点前后各一个点的值；p-q为坏数据点。

4.根据权利要求1所述的一种配电网负荷预测方法，其特征在于：所述步骤三的具体步骤为：

301 构造基于RBM的5层DBN，包括1个输入层，3个隐藏层和1个决策层；

302 指定DBN的输入层节点数为13，第一个隐藏层节点数为500，第二个隐藏层节点数为500，第三个隐藏层节点数为500，决策层的节点数为3；

303 所述训练DBN，使用对比散度CD算法对DBN的5层进行逐层训练，计算3个隐藏层和1个决策层的输出值和各层之间的权值及偏置值；使用BP算法对整个DBN进行调整，优化DBN参数，完成DBN全局训练；

304 得出预测系统的最优权值和偏置值得到最优的配电网负荷预测模型。