[发明专利]一种基于气象特征因子的配电网低电压用户数预测方法

权利要求书

1.一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，包括以下步骤：

步骤1：按照设定的时间和空间分辨率获取待预测区域内历史的配电网低电压用户数，同时获取该区域内所有自动气象站历史的气象监测数据；

步骤2：对不同时间和空间分辨率的低电压用户数与气象监测数据进行维度匹配处理，以获得相同时间和空间分辨率的气象特征因子集和低电压用户数，构建训练样本集；

步骤3：基于训练样本集建立低电压用户数预测模型，该模型以气象特征因子集为输入量，以低电压用户数为输出量；

步骤4，采用得到的低电压用户数预测模型预测待预测区域的配电网低电压用户数；

所述低电压用户是指10千伏及以下电压等级、10千伏及以下三相供电电压偏差低于标称电压的7%、单相供电电压偏差低于标称电压的10%的用户；

所述气象特征因子包括最高温、最低温、平均温、最大降雨量、累计降雨量、极大风速和平均风速；

所述时间分辨率为月、周、天或小时，所述空间分辨率为县、乡镇或台区；

所述步骤2中，所述维度匹配处理为将气象特征因子按照低电压用户数的时间和空间分辨率进行匹配，以使两者的时空分辨率达到一致；

根据所需的时间分辨率，将气象特征因子与低电压用户数进行时间维度匹配；根据所需的空间分辨率，将距离最近的气象站点的气象数据或区域内多个气象站点的气象数据的加权平均值作为该区域的气象特征值，以达到空间维度的匹配；

所述步骤3中，构建的低电压用户数预测模型为支持向量机模型或神经网络模型；

当构建的低电压用户数预测模型为支持向量机模型时，对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为：

采用粗-细网格搜索法、遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，从而获得优化后的支持向量机模型。

2.根据权利要求1所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述步骤2中，对气象特征因子集进行降维处理和归一化后，作为样本训练的输入。

3.根据权利要求2所述的一种基于气象特征因子的配电网低电压用户数预测方法，其特征在于，所述降维处理方法为采用相关性分析法或主成分分析法对气象特征因子集中的气象特征因子进行降维。