[发明专利]一种面向配电设备运维的配网负荷推算与预测方法

说明书

本发明公开了一种面向配电设备运维的配网负荷推算与预测方法，它包括步骤(1)数据采集；对数据进行采集，包括各供电区域的土地面积、GDP、产业结构、人口经济因素；步骤(2)结构辨识；根据输入数据自适应的确定模型的初始规则，得到神经网络结构；步骤(3)参数学习；步骤(4)模型验证；最后得到了预测模型，通过历史数据进行验证，若误差保持在10％范围内，则证明模型有效；现有技术负荷预测没有考虑经济指标因素，导致负荷预测精度较低等技术问题。

技术领域

本发明属于负荷预测技术，尤其涉及一种面向配电设备运维的配网负荷推算与预测方法。

背景技术

数据的推算与预测技术是指运用各种知识，通过分析历史资料，对事物的发展趋势或可能结果进行实现预测和估计。通过预测的信息可以合理地安排配电网规划规模、经济指标的制定。同时，预测技术也可以应用在配电设备的运维检修领域，通过预测结果合理安排运维计划，使设备保持高效且安全的运行；而现有的负荷预测没有考虑经济指标因素，导致负荷预测精度较低。

发明内容

本发明要解决的技术问题是：提供一种面向配电设备运维的配网负荷推算与预测方法，以解决现有技术负荷预测没有考虑经济指标因素，导致负荷预测精度较低等技术问题。

本发明的技术方案是：

一种面向配电设备运维的配网负荷推算与预测方法，它包括：

步骤(1)数据采集；对数据进行采集，包括各供电区域的土地面积、GDP、产业结构、人口经济因素；

步骤(2)结构辨识；根据输入数据自适应的确定模型的初始规则，得到神经网络结构；

步骤(3)参数学习；

步骤(4)模型验证；最后得到了预测模型，通过历史数据进行验证，若误差保持在10％范围内，则证明模型有效。

步骤(1)数据采集的数据见表1：

步骤(2)结构辨识；根据输入数据自适应的确定模型的初始规则，得到神经网络结构的方法为：通过聚类将一组没有标签的样本数据分成几簇，使得同一簇内的数据其相似度最大，不同簇中数据之间相似度最小；将模糊规则的确定过程看对数据输入输出空间分成一个个簇的聚类过程，这样同一个簇内的数据具有相似性；得到相应的模糊神经网络基本结构；典型的规则表示为If x is A₁ and Y is B₁ then f_l＝p_l*X+q_l*y+r₁；其中p,q,r是模糊系统输出中的参数。

步骤(3)参数学习的方法为：根据步骤2中得到的神经网络结构，计算最优化的隶属度函数，使神经网络具有最好的收敛速度和性能。

本发明有益效果：

本发明通过对经济指标的预测，可以提早计算预算，对负荷进行推算及预测可以合理安排负荷分配，使电网更加稳定运行。为配电网的优化和规划提供更为详实的参考依据本发明方法，能够对经济指标和负荷进行合理地预测，同时利用神经网络算法，大大减少了预测所需时间提高了预测精度，为配电网的优化和规划提供更为详实的参考依据；解决了现有技术负荷预测没有考虑经济指标因素，导致负荷预测精度较低等技术问题。

附图说明

图1为本发明流程图；

图2模糊神经网络基本结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明提供的配电网规划经济指标和负荷推算与预测方法。

如图1所示，本发明提供的配电网规划经济指标和负荷推算与预测方法包括按顺序执行的下列步骤：