[发明专利]一种基于数据挖掘技术的负荷预测方法

说明书

本发明公开一种基于数据挖掘技术的负荷预测方法，其包括以下步骤：(1)获取馈线数据及预处理；(2)使用数据挖掘技术中的聚类方法分析各类馈线的负荷特征；(3)对获得的每类馈线负荷进行分析，定性每类馈线负荷所属行业用电特性，达到精细化分析的目的；(4)构建影响因素集合；(5)运用相关性分析和关联规则分析对影响负荷特性的诸多因素与每类馈线负荷进行挖掘，研究出馈线负荷特性与其影响因子间的关联特性；(6)对每类馈线负荷和影响因素分别构建神经网络预测模型，完成负荷预测。本发明可以获得更具有科学性和准确性的负荷预测情况，从而有利于全面考察不同地区配变的负载情况，有利于电网运行管理以及调度规划。

技术领域

本发明属于电力技术领域，具体来说，涉及一种基于数据挖掘技术的负荷预测方法。

背景技术

电力负荷的预测对于电网运行规划管理、制定电力调度计划意义重大，精确的电力负荷预测方法能够实现电力能源的精准规划，是用户稳定用电、电网稳定运行、经济稳定发展的重要保障。过去常用的负荷预测方法如时间序列法、趋势外推法、回归分析法、灰色模型法等，但是需要建立精准且复杂的模型。大数据技术及数据挖掘技术的发展为海量负荷数据的高效处理提供了可行方式，常见的可用于负荷预测的数据挖掘技术有支持向量机、神经网络、聚类分析。

由于系统负荷由多个用电负荷构成，用电负荷的变化千差万别，不同类型的用电负荷具有自身的负荷特性与负荷发展规律，用电负荷在叠加时会削弱甚至抵消某些用电负荷的变化规律，使得系统负荷的规律性变得模糊，难以精确定位负荷波动真正原因；同时由于负荷的影响因素众多，且他们之间的非线性、复杂性和滞后性等特点，在实际应用中建立系统负荷与众多影响因素之间的关系模型存在很大困难。因此现有的负荷预测精度不高。

发明内容

本发明的目的在于克服上述现有负荷预测技术的缺点，针对海量的电网运行数据，提供一种基于数据挖掘技术的电力负荷预测方法。

本发明具体为一种基于数据挖掘技术的负荷预测方法，包含以下步骤：

(1)获取馈线数据并进行预处理；

(2)使用数据挖掘技术中的聚类方法分析各类馈线的负荷特征，对获得的每类馈线负荷进行分析；

(3)根据各馈线簇的负荷水平和负荷曲线形状定性每类馈线负荷所属行业用电特性；

(4)构建影响因素集合；

(5)运用相关性分析和关联规则分析对影响负荷特性的诸多因素与每类馈线负荷进行分析，挖掘出馈线负荷特性与其影响因子间的关联特性；

(6)使用RBF神经网络对各馈线簇进行预测，根据各馈线簇在待预测时间的负荷预测值，得到系统在待预测时间的总用电负荷预测值，完成基于数据挖掘技术的负荷预测。

进一步的，所述步骤(2)具体包括以下步骤：

21)初始化聚类中心：随机选取C个聚类中心；

22)计算质心：不断迭代计算隶属度μ_ij和簇中心c_j的过程，直到他们达到最优；

其中隶属度

将每一个样本数据x_i指派到最近的聚类中心，形成C个簇，目标函数如下：

其中：m为聚类的簇数；c为事先指定的聚类中心个数；x_i为第i个样本；C_j是j簇的中心；μ_ij为样本x_i相对于第j簇聚类中心的隶属度；