[发明专利]一种基于物联网智能感知技术的配变短期负荷预测方法

说明书

本发明公开了一种基于物联网智能感知技术的配变短期负荷预测方法，该方法的数据来源是一定地理区域内、同一配变下的各个用户智能电表采集的用电量数据。首先通过相关系数完成数据清洗与补全，通过标幺化处理得到用电量数据标幺曲线，然后通过仿射传播算法聚类后合并得到相似日的标幺曲线，最后通过加权求和得到待测未来日的标幺曲线，与基值组合后得到完整的待测日负荷曲线，从而完成整体配变短期负荷预测工作。将该方法应用到其他配变的同类数据作计算分析，可弥补低压配网精益化运维现状的不足，并为低压配网无功补偿策略控制方案提供支持，为低压设备的更新和低压配电系统的改造提供依据，所需的物资和人力成本低、准确性高、可操作性好。

技术领域

本发明属于用电信息采集数据分析、挖掘领域，具体涉及一种基于物联网智能感知技术的配变短期负荷预测方法。

背景技术

配电网根据电压等级的不同，可分为高压配电网、中压配电网与低压配电网，低压配电网的电压一般为三相四线制380/220V，或单相二线制220V，连接大量的居民、商业等普通用户，并由连接在中压配电网上的中压、低压配电所供电。我国有着极为复杂而庞大的低压配电网络，且智能化水平一直处于薄弱状态，主要表现在故障抢修率低、运行状态监测水平低、精益化管理水平低等。随着智能感知技术的逐步发展，为物联网技术在电力系统中的应用带来机遇，且低压配网作为电力系统直接连接用户侧业务与分布式能源接入的末端，成为电力物联网建设的主要战场。新形势下，低压配网大量的智能感知终端的部署，作为基础元件和核心设备的智能电表可以短间隔记录并上传用户的多种用电信息，为电力系统数据分析带来了新的方法和思路，实现了低压配网海量数据采集用于边缘计算及以配电变压器供电范围为单位的台区管理，可对片区网络进行自主综合监控、管理与双向互动，有效提升供电可靠性和供电质量，低压配电网精益化管控问题得以解决。

短期负荷预测是电力系统经济调度的重要内容，配变台区作为智能电网与用户侧交互的纽带，由其负荷量级小且随机性强的特点为短期预测工作带来挑战。基于智能电表的量测数据，可以实现低电压的各式负荷进行预测，低压配电变压器、线路、用户等。这不仅可以为低压配网无功补偿策略控制方案提供支持，而且可以为低压设备的更新和低压配电系统的改造提供依据，因此台区级别的短期负荷预测成为低压配网精益化运维的基本功能。

发明内容

本发明的目的是提供一种基于物联网智能感知技术的配变短期负荷预测方法，以解决目前短期负荷预测方法难以应对低压台区负荷随机性的问题。

当负荷量级减小，随机性和波动性增大时，预测工作变得较为困难，基于神经网络等样本训练方法的适用性较小。在预测算法上，将数据挖掘方法应用于负荷分析和预测是近年来的新思路。数据挖掘算法意在从大量数据中发现规律，本发明主要也是沿此思路构建负荷预测算法。

负荷预测需要准确的负荷数据来支撑，通过智能电表一天内(00:00-23:59)每间隔一定时间(5min/15min/1h)记录一次配变量测数据，汇总当日全部测量数据就能得到该配变当日的负荷数据。根据不同量测周期，每日负荷数据曲线有288/96/24个测量时间点。假定某配变每日有24个测量时间点，将该配变N天所有的负荷时间序列数据用于下面的运算。

1)为提高数据分析的准确性以及可观测性，需要对数据中包含的坏数据进行预处理。常见的坏数据包括数据缺失以及数据失真，但是对于台区级这种小量级系统，失真数据也可能是负荷的随机性以及波动性导致的正常数据，因此考虑通过皮尔逊相关系数搜索预处理日负荷曲线的极大相似历史负荷曲线并补全。

计算台区全部用户连续N天的日负荷时间序列数据的皮尔逊相关系数，可以确定极大相似历史负荷曲线。相关系数Rxy的计算方法为：

其中：

R_xy：用户x与用户y在连续N天的日负荷时间序列数据的皮尔逊相关系数；

x_i：用户x第i点的负荷值；