[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

说明书

本发明涉及一种基于气象特征因子的配电网低电压用户数预测方法，包括：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；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；3、基于训练样本集建立以气象特征因子集为输入量，以低电压用户数为输出量的低电压用户数预测模型；4、采用得到的预测模型预测待预测区域的配电网低电压用户数。该方法有利于简单、高效、准确地预测配电网的低电压用户数，预测结果可为配电网低电压预警和防治措施制定提供参考。

技术领域

本发明属于电力配电网领域，具体涉及一种基于气象特征因子的配电网低电压用户数预测方法。

背景技术

配电网是电力系统的重要组成部分，是直接面向用户供电的电力网络。配电网安全、可靠、稳定运行关系到电力系统是否可以向用户提供优质的供电品质和服务质量。配电网低电压现象是配电网供电能力不足的一种体现，其易发生于农村地区。随着农村家电、农用器械的日益增多，在用电高峰时段更容易出现低压现象。开展配电网低电压问题预测，对改善和优化配电网网架结构、提高配电网供电能力与供电质量、解决配电网低电压问题具有重要意义。

用电负荷大、供电半径大、调压能力弱、三相负荷不平衡和无功补偿不足等是配电网低电压的主要成因。目前，少数基于支持向量机或D-S证据理论的配电网低电压预测方法主要从上述成因中归纳提取影响指标或因子。然而，除用电负荷外，供电半径等其他影响指标难以有效预测。用电负荷主要通过气温、降雨量等气象因素预报来进行预测。因此，现有方法是基于部分特征量的间接预测。

随着低电压数据的不断积累以及地区自动气象站点的大幅增加，以及网格化和乡镇精细化气象预报的业务化，基于大数据和人工智能方法，直接利用气象预报结果来预测配电网低电压用户数成为可能。目前尚无该方面的技术报道。

发明内容

本发明的目的在于提供一种基于气象特征因子的配电网低电压用户数预测方法，该方法有利于简单、高效、准确地预测配电网的低电压用户数。

为实现上述目的，本发明采用的技术方案是：一种基于气象特征因子的配电网低电压用户数预测方法，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。

进一步地，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。

进一步地，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。

进一步地，所述时间分辨率为月、周、天或小时，所述空间分辨率为县（地区）、乡镇或台区。

进一步地，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。

进一步地，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。