[发明专利]基于大数据技术的短期负荷预测方法及系统

权利要求书

1.一种基于大数据技术的短期负荷预测方法，其特征在于，包括以下步骤：

获取系统中各用户的用电历史数据；

利用预设的聚类算法，根据各用户的用电历史数据对各用户的负荷进行聚类，得各用户的负荷水平和负荷曲线形状；

根据聚类得到的各用户的负荷水平和负荷曲线形状确定用户的用电模式；

根据各用户的用电模式，选择各用户负荷的预测模型；

根据各用户的用电历史数据构建各用户负荷的影响因素集合；

对构建的各用户负荷的影响因素集合进行关联分析，筛选出若干对负荷产生强关联的主导影响因素，然后通过筛选出的各主导影响因素构建影响因素子集，同时对各主导影响因素赋予权值；

利用影响因素子集中各主导影响因素及其权值对各用户负荷的预测模型的参数进行选择及优化，然后再根据各用户负荷的预测模型预测各用户在待预测时间的用电负荷预测值；

根据各用户在待预测时间的用电负荷预测值及系统网损，得到系统在待预测时间的总用电负荷预测值，完成基于大数据技术的短期负荷预测；

还包括：

对各用户的用电历史数据进行分析，找出用电负荷异常的采样点；

根据该采样点对应的各主导影响因素的权值，判断该采样点采集的异常用电负荷为坏值还是由于突发事件引起的负荷突变；

当该采样点采集的异常用电负荷为坏值时，则删除该异常用电负荷，当该采样点采集的异常用电负荷为由于突发事件引起的负荷突变时，则保存该异常用电负荷；

根据聚类得到的各用户的负荷水平和负荷曲线形状确定各用户的用电模式具体包括以下步骤：

通过各用户的日平均负荷表示各用户的负荷水平，再根据各用户的日平均负荷得到各用户的负荷水平波动幅度，其中，每用户的负荷水平波动幅度通过以下公式得到：

其中，为第i天的日平均负荷，为第j天的日平均负荷，N为参与聚类分析的负荷天数，M为用电模式下包含的负荷天数；

根据各用户的负荷曲线形状，得各用户的负荷曲线相似度r_ij，其中，

其中，X_ik为第i天第k个采样点的负荷标幺值，X_jk为第j天第k个采样点的负荷标幺值，k＝1～m，X_ik及X_jk均为非负数；

根据各用户的负荷水平波动幅度和各用户的负荷曲线相似度r_ij，确定各用户的用电模式；

所述用电模式包括稳定模式、第一波动模式、第二波动模式、第三波动模式和异常模式；

按照下表根据各用户的负荷水平波动幅度和各用户的负荷曲线相似度r_ij，确定各用户的用电模式；

当用户的用电模式为稳定模式时，选取ARIMA模型或一元线性回归模型作为用户负荷的预测模型；当用户的用电模式为第一波动模式、第二波动模式或第三波动模式时，则选取模式识别模型或神经网络模型作为用户负荷的预测模型；

各用户负荷的影响因素集合中的影响因素包括正常日、节假日、星期类型、农历日期、节假日前第几天、节假日后第几天、与待预测日相距几天、天气情况、日气象特征值、逐时气象、前n天的气象及前n天的气象累积值。

2.一种基于大数据技术的短期负荷预测系统，其特征在于，包括：

历史数据获取模块(1)，用于获取系统中各用户的用电历史数据；

聚类模块(2)，与历史数据获取模块(1)相连接，用于利用预设的聚类算法，根据各用户的用电历史数据对各用户的负荷进行聚类，得各用户的负荷水平和负荷曲线形状；

用电模式确定模块(3)，与聚类模块(2)相连接，用于根据聚类得到的各用户的负荷水平和负荷曲线形状确定用户的用电模式；

预测模型选择模块(4)，与用电模式确定模块(3)相连接，用于根据各用户的用电模式，选择各用户负荷的预测模型；

影响因素确定模块(5)，与历史数据获取模块(1)相连接，用于根据各用户的用电历史数据构建各用户负荷的影响因素集合；

影响规则确定模块(6)，与影响因素确定模块(5)相连接，用于对构建的各用户负荷的影响因素集合进行关联分析，筛选出若干对负荷产生强关联的主导影响因素，然后通过筛选出的各主导影响因素构建影响因素子集，同时对各主导影响因素赋予权值；

预测模块(7)，与影响规则确定模块(6)及预测模型选择模块(4)相连接，用于利用影响因素子集中各主导影响因素及其权值对各用户负荷的预测模型的参数进行选择及优化，然后再根据各用户负荷的预测模型预测各用户在待预测时间的用电负荷预测值；

累加模块(8)，与预测模块(7)相连接，用于根据各用户在待预测时间的用电负荷预测值以及系统网损，得到系统在待预测时间的总用电负荷预测值，完成基于大数据技术的短期负荷预测；

还包括：

异常点分析模块，用于对各用户的用电历史数据进行分析，找出用电负荷异常的采样点；

异常点判断模块，与异常点分析模块相连接，用于根据该采样点对应的各主导影响因素的权值，判断该采样点采集的异常用电负荷为坏值还是由于突发事件引起的负荷突变；

异常点处理模块，与异常点判断模块相连接，用于当该采样点采集的异常用电负荷为坏值时，则删除该异常用电负荷，当该采样点采集的异常用电负荷为由于突发事件引起的负荷突变时，则保存该异常用电负荷；

所述用电模式确定模块(3)包括：

负荷水平波动幅度确定单元，与聚类模块(2)相连接，用于通过各用户的日平均负荷表示各用户的负荷水平，再根据各用户的日平均负荷得到各用户的负荷水平波动幅度，其中，每用户的负荷水平波动幅度通过以下公式得到：

其中，为第i天的日平均负荷，为第j天的日平均负荷，N为参与聚类分析的负荷天数，M为用电模式下包含的负荷天数；

负荷曲线相似度确定单元，与聚类模块(2)相连接，用于根据各用户的负荷曲线形状，得各用户的负荷曲线相似度r_ij，其中，

其中，X_ik为第i天第k个采样点的负荷标幺值，X_jk为第j天第k个采样点的负荷标幺值，k＝1～m，X_ik及X_jk均为非负数；

用电模式确定单元，与负荷水平波动幅度确定单元及负荷曲线相似度确定单元相连接，用于根据各用户的负荷水平波动幅度和各用户的负荷曲线相似度r_ij，确定各用户的用电模式；

所述用电模式包括稳定模式、第一波动模式、第二波动模式、第三波动模式和异常模式；

按照下表根据各用户的负荷水平波动幅度和各用户的负荷曲线相似度r_ij，确定各用户的用电模式；

。