[发明专利]一种基于大数据的电力系统负荷预测方法

说明书

本发明公开了一种种基于大数据的电力系统负荷预测方法，包括以下步骤：A、采集电力系统中各个变压器的负荷数据以及对应的外部影响数据；B、对步骤A采集的负荷数据进行分类；C、对每一类负荷数据对应的外部影响数据类别进行合并降维；D、使用步骤C得到的外部影响数据输入预测模型对电力系统负荷进行预测。本发明能够改进现有技术的不足，提高了预测速度和实时性。

技术领域

本发明涉及电力系统调度控制技术领域，尤其是一种基于大数据的电力系统负荷预测方法。

背景技术

电力系统的负荷是一个实时变化的动态过程，为了保证电力系统的运行稳定，需要对负荷进行预测，已达到提前设定供电计划的目的。现有的负荷预测方法均是根据历史数据进行预测，但是由于系统中用电终端众多，影响因素变化无规律，导致直接使用原始数据进行预测消耗的运算时间较长，实时性较差，无法在电力系统出现突发状况时及时做出新的预测结果。

发明内容

本发明要解决的技术问题是提供一种基于大数据的电力系统负荷预测方法，能够解决现有技术的不足，提高了预测速度和实时性。

为解决上述技术问题，本发明所采取的技术方案如下。

一种基于大数据的电力系统负荷预测方法，包括以下步骤：

A、采集电力系统中各个变压器的负荷数据以及对应的外部影响数据；

B、对步骤A采集的负荷数据进行分类；

C、对每一类负荷数据对应的外部影响数据类别进行合并降维；

D、使用步骤C得到的外部影响数据输入预测模型对电力系统负荷进行预测。

作为优选，步骤B中，对步骤A采集的负荷数据进行分类包括以下步骤，

B1、建立一个特征识别窗口和一个跟随窗口，时序上跟随窗口位于特征识别窗口之后，使用特征识别窗口和跟随窗口按照时序顺序对每个变压器的负荷数据进行遍历；

B2、对位于特征识别窗口中的负荷数据进行特征提取，并对特征数据进行记录；

B3、通过改变跟随窗口与特征识别窗口的时序距离，使跟随窗口中负荷数据对应的特征数据与当前特征识别窗口中负荷数据对应的特征数据的相似度大于70％；

B4、记录遍历过程中特征识别窗口与跟随窗口时序距离的变化曲线；

B5、使用不同变化曲线之间的线性度对对步骤A采集的负荷数据进行分类，每类负荷数据对应的变化曲线之间的线性度大于50％。

作为优选，步骤B2中，对位于特征识别窗口中的负荷数据进行特征提取包括以下步骤，

B21、根据历史数据预设特征表示点集合，特征表示点集合中包含若干个特征表示点；

B22、在负荷数据中标记出现的特征表示点；

B23、统计特征表示点类别和出现次数作为特征数据。

作为优选，步骤C中，对每一类负荷数据对应的外部影响数据类别进行合并降维包括以下步骤，

C1、建立每一类负荷数据与对应外部影响数据的关系图，每一类外部影响数据作为一个节点；

C2、根据节点上与其关联的负荷数据的数量设定节点优先级，关联的负荷数据数量越多，节点优先级越高；

C3、对节点上与其关联的负荷数据进行PCA变换处理，使用处理后的负荷数据生成降维矩阵；

C4、使用降维矩阵将外部影响数据类别映射到低维空间，实现合并降维。

作为优选，步骤C3中，使用处理后的负荷数据生成降维矩阵包括以下步骤，