[发明专利]一种台区线损预测方法及装置

说明书

本申请公开了一种台区线损预测方法及装置，方法包括：获取台区未来k日以及历史n日的预报数据，预报数据包括天气预报类型、最高预报温度以及日期数据；采用模糊聚类算法计算历史n日中与未来第i日相似度最大的前m日的预报数据作为预测集；将预测集输入到训练好的预测模型中，预测得到未来第i日的线损值。本申请可以通过台区线损的历史记录，对未来一段日期的线损进行预测，而不需要测量其他数据。

技术领域

本申请涉及电力数据处理技术领域，尤其涉及一种台区线损预测方法及装置。

背景技术

通过数字化平台，监视电网中每一个计量点的采集数据，使得计算每日的台区线损成为了现实。

而台区的线损一般会随着各种因素的变化而变化，包括周遭环境的变化以及负荷的增减。例如，当台区工作稳定正常时，台区的线损会按照一定的时间周期进行有规律的变化。因此，可以将未来一段时间内的台区线损通过分析计算进行预测。

台区线损预测技术能够应用于计量自动化系统中，工作人员可以通过获得每一个台区未来的线损预测值作为参考值，对台区的线损异常阈值进行修正。因此，台区线损预测技术将成为配电网日常维护、异常发现、故障诊断的支撑环节，为实现智能电网提供基础支持。

发明内容

本申请实施例提供了一种基于相似日的LSSVM台区线损预测方法，使得可以通过台区线损的历史记录，对未来一段日期的线损进行预测，而不需要测量其他数据

有鉴于此，本申请第一方面提供了一种台区线损预测方法，所述方法包括：

获取台区未来k日以及历史n日的预报数据，所述预报数据包括天气预报类型、最高预报温度以及日期数据；

采用模糊聚类算法计算历史n日中与未来第i日相似度最大的前m日的预报数据作为预测集，0i≤k；

将所述预测集输入到训练好的预测模型中，预测得到未来第i日的线损值。

可选的，在所述将所述预测集输入到训练好的预测模型中，预测得到未来第i日的线损值，之前还包括：

获取台区的第一历史数据，所述第一历史数据包括每日的线损值、天气类型、日最高温度、日期类型以及日期间距；

采用模糊聚类算法计算预测日之前的第二历史数据中，与所述预测日数据相似度最大的前m个数据；所述第一历史数据包括所述预测日数据以及所述第二历史数据；

将属于同一所述预测日数据的所述相似度最大的前m个数据以及预测日的线损值合并为输入样本；

将所述输入样本随机划分成训练集和测试集，用于对基于LSSVM构建的预测模型进行训练，得到训练好的所述预测模型。

可选的，在所述获取台区的第一历史数据，所述第一历史数据包括每日的线损值、天气类型、日最高温度、日期类型以及日期间距，之后还包括：

对所述第一历史数据进行预处理；

具体为：

剔除所述线损值中的异常值数据；

对所述天气类型、日最高温度、日期类型和日期间距进行分类量化处理；

将剔除异常值的所述线损值以及量化后的所述天气类型、日最高温度、日期类型和日期间距，合并成新的所述第一历史数据；新的所述第一历史数据包括每一日的所述线损值和所述天气类型、日最高温度、日期类型和日期间距。

可选的，所述对所述天气类型、日最高温度、日期类型和日期间距进行分类量化处理，具体为：

根据天气对线损值的影响，将所述天气类型中的晴、多云、阴天、降雨和下雪分别映射至0至1中的区间；