[发明专利]一种对台区用电进行精准预测的方法及系统、设备、介质

说明书

本发明公开了一种对台区用电进行精准预测的方法及系统、设备、介质。本方法通过将反映台区用电稳定状态的第一特征值作为表征量之一，提高了预测结果的精准度，并对所有的第二特征量分别进行单一模型构建，得到包含所有第二特征值的不同时刻的负荷预测值序列和残差值序列，大大提升了计算速度和计算效率，利用第一特征值对第二特征值对应的残差值进行了修正，大幅提高了预测结果的精准度。同时将负荷预测值序列和修正后的残差值序列作为GRU网络的输入，考虑到了单一特征值模型的误差对于预测结果的精度影响，进一步提高了最终预测结果的准确度，利用GRU网络进行了多个第二特征值的筛选，通过更新门去除冗余数据，进一步提升了计算能力和计算效率。

技术领域

本发明涉及台区用电预测技术领域，特别地，涉及一种对台区用电进行精准预测的方法及系统、设备、计算机可读取的存储介质。

背景技术

现阶段为了满足电力需求响应、配电网规划、业扩报装和能源电动车充电的需求，需要利用台区富余的容量达到开放共享的目的，以降低配电网建设成本，达到资源的充分利用。而传统的电力配电网规划中对可开放容量这一指标是以台区用户的最大负荷来设计的，当位于台区用电低谷时，未能充分利用富余的容量，使得建设成本和电力资源造成浪费。因此，如何精准的预测台区用电负荷成为目前电力配电网规划亟待解决的关键性问题。

目前，负荷预测已经成为电力行业发展的重要项目之一，例如利用机器学习、深度学习等方法建立负荷预测模型，然后根据误差诊断的形式得到最优模型，最后利用最优模型进行用电预测。但是，这种负荷预测方式需要选取大量的特征量并建立大量的特征量模型，计算量过大，计算十分复杂，且同时预测精度也较差。

发明内容

本发明提供了一种对台区用电进行精准预测的方法及系统、设备、计算机可读取的存储介质，以解决现有采用误差诊断的负荷预测方式存在的计算量过大、预测精度差的技术问题。

根据本发明的一个方面，提供一种一种对台区用电进行精准预测的方法，包括以下内容：

步骤S1：采集台区内用户近两年的负荷数据，利用余弦距离公式分析台区内各用户用电的稳定状态以得到关于台区用电稳定状态的第一特征值；

步骤S2：采集台区总负荷数据并选出与台区用电负荷数据相关的至少一个第二特征值；

步骤S3：对所有的第二特征值逐个进行单一模型构建以得到不同时刻的负荷预测值序列和残差值序列，每个时刻的负荷预测值序列和残差值序列均对应所有的第二特征值，并利用不同台区用电稳定状态下的第二特征值对应的t时刻的残差值序列与对应的第一特征值序列构建线性修正模型以得到每个第二特征值对应的修正系数，利用该修正系数对不同时刻的残差值序列中每个第二特征值所对应的残差值进行对应修正；

步骤S4：将不同时刻的负荷预测值序列和修正后的残差值序列进行非线性组合后输入门控循环单元神经网络中，得到最终的台区用电负荷预测结果。

进一步地，所述步骤S1具体包括以下内容：

步骤S11：采集台区内各用户近两年的负荷数据；

步骤S12：基于台区内某一用户近两年的负荷数据得到其每一年关于日最大功率的时序特征向量；

步骤S13：基于权重占比公式对上述两个时序特征向量进行变换以得到两个新的时序特征向量；

步骤S14：利用余弦距离公式计算两个新的时序特征向量之间的余弦距离值以判断近两年该用户的负荷稳定状态；

步骤S15：重复执行步骤S12至步骤S14以计算得到台区内所有用户的余弦距离值，基于所有的余弦距离值分布情况进行台区用电负荷稳定状态等级的划分，并基于不同稳定状态等级的占比得到关于台区用电稳定状态的第一特征值。

进一步地，所述步骤S3包括以下内容：