一种电力用户负荷预测方法、装置及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113869601A(43)申请公布日2021.12.31(21)申请号202111212174.0(22)申请日2021.10.18(71)申请人深圳供电局有限公司地址518010广东省深圳市罗湖区深南东路4020号电力调度通信大楼申请人南方电网科学研究院有限责任公司(72)发明人钱斌刘傲李富盛祝宇翔周密史军林晓明张炀(74)专利代理机构北京集佳知识产权代理有限公司11227代理人李增苗(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)G06K9/62(2006.01)权利要求书2页说明书10页附图2页(54)发明名称一种电力用户负荷预测方法、装置及设备(57)摘要本申请涉及一种电力用户负荷预测方法、装置及设备，该电力用户负荷预测方法通过对待预测负荷电力用户的同一时间长度日负荷曲线进行负荷或者电量曲线聚类、归一化处理，得到该电力用户的典型负荷曲线，根据负荷特征曲线库中是否存在与典型负荷曲线相近的负荷特征曲线采用不同处理方式得到影响待预测负荷电力用户预测的影响因子，将得到负荷影响因子或有效影响因子输入负荷预测模型对待预测负荷电力用户进行负荷预测，提高对力用户负荷预测的效率，减少盲目负荷预测模型的训练，降低了电力用户负荷预测的难度。解决了现有对个体电力用户电力负荷的预测难度大且效率低的技术问题。CN113869601ACN113869601A权利要求书1/2页1.一种电力用户负荷预测方法，其特征在于，包括以下步骤：从电力系统中获取负荷特征曲线库和待预测负荷电力用户历史数个的日负荷数据集，对每个所述日负荷数据集的异常数据进行修复，得到修复后的日负荷数据集并对其构建日负荷曲线；对所有所述日负荷曲线进行聚类、归一化处理，得到电力用户的典型负荷曲线，并判断所述负荷特征曲线库是否存在与所述典型负荷曲线相近的负荷特征曲线；若所述负荷特征曲线库存在与所述典型负荷曲线相近的负荷特征曲线，获取相近的负荷特征曲线的负荷影响因子；若所述负荷特征曲线库不存在与所述典型负荷曲线相近的负荷特征曲线，对所述典型负荷曲线与负荷所有的影响因子进行相关性分析，得到与所述典型负荷曲线对应的有效影响因子；将所述负荷影响因子或所述有效影响因子输入负荷预测模型对待预测负荷电力用户进行负荷预测；其中，所述负荷特征曲线库包括数条负荷特征曲线和与每条负荷特征曲线对应的影响因子。2.根据权利要求1所述的电力用户负荷预测方法，其特征在于，包括：对每个所述日负荷数据集的异常数据采用四分位算法和四点插值法进行修复，得到修复后的日负荷数据集。3.根据权利要求1所述的电力用户负荷预测方法，其特征在于，对所有所述日负荷曲线进行聚类、归一化处理，得到电力用户的典型负荷曲线的步骤包括：采用X‑means聚类算法对所述日负荷曲线的用电量或负荷进行聚类，得到聚类分类；从聚类分类中选择日负荷曲线条数最多的这类聚类分类，并选取其所有日负荷曲线的中心负荷曲线；采用最小‑最大值归一化处理对所述中心负荷曲线的负荷数据进行归一化处理，归一化处理后的中心负荷曲线作为所述电力用户的典型负荷曲线。4.根据权利要求3所述的电力用户负荷预测方法，其特征在于，包括：采用X‑means聚类算法对所述日负荷曲线的日、月或年用电量或负荷进行聚类，得到聚类后的聚类分类。5.根据权利要求1所述的电力用户负荷预测方法，其特征在于，判断所述负荷特征曲线库是否存在与所述典型负荷曲线相近的负荷特征曲线的步骤包括：采用欧式距离算法计算所述典型负荷曲线与所述负荷特征曲线库中每条负荷特征曲线的欧式距离，得到距离数据集合，并从所述距离数据集合中选取最小的欧式距离称为欧式距离最小值；若所述欧式距离最小值不大于距离阈值，则与该欧式距离对应的负荷特征曲线为所述典型负荷曲线相近的负荷特征曲线；若所述欧式距离最小值大于距离阈值，则所述负荷特征曲线库不存在与所述典型负荷曲线相近的负荷特征曲线。6.根据权利要求1所述的电力用户负荷预测方法，其特征在于，对所述典型负荷曲线与负荷所有的影响因子进行相关性分析，得到与所述典型负荷曲线对应的有效影响因子的步骤包括：获取所述典型负荷曲线的负荷数据以及影响负荷的所有影响因素；2CN113869601A权利要求书2/2页通过斯皮尔曼相关系数公式计算每个影响因素与所述典型负荷曲线的因素系数；若所述因素系数大于系数阈值，则与所述因素系数对应的影响因素为所述典型负荷曲线的有效影响因子；其中，所述斯皮尔曼相关系数公式为：di＝rg(Xi)‑rg(Yi)；式中，ρs为因素系数，di为典型负荷曲线与影响因素的第i个数据相对大小的差值，Xi为典型负荷曲线的第i个负荷数据，Yi为影响因素的第i个数据，n为数据数目。7.根据