[发明专利]基于云平台与大数据分析的智能电网负荷预测方法

说明书

本发明公开了一种基于云平台与大数据分析的智能电网负荷预测方法。包括：基于云平台整合待预测区域内所有传感器数据，对待预测区域进行格网划分；将以待插值点为圆心的区域划分为多个扇形区域；在每个扇形区域中查找最优参考点；根据各最优参考点与待插值点的距离，得到待插值点的数据；待插值点以及传感器点的数据构成天气敏感负荷张量；根据待预测区域内每个新能源发电站的供电能力确定对应的辅助减负窗口尺寸，根据供新能源发电站的类型、位置以及辅助减负窗口尺寸，从天气敏感负荷张量中提取数据作为辅助减负张量；利用时序预测模型预测电网负荷。利用本发明，提高了电网负荷预测准确率。

技术领域

本发明涉及智能电网、云计算技术领域，具体涉及一种基于云平台与大数据分析的智能电网负荷预测方法。

背景技术

传输电网电力系统负荷预测值偏低将引起系统容量不足、输送电能力无法达到用电需求；电力系统负荷预测值偏高，则将造成设计容量过高、设备投资浪费。因此，电力数据预测分析对于电网规划建设、运营服务等方面具有重要的价值和意义。负荷预测是电力系统规划运行的基础，目前负荷预测方法主要包括SVM、前馈神经网络、回归树等，这些模型存在结构复杂、难以获取有效特征等问题，从而导致负荷预测精度较低。

发明内容

本发明针对上述现有技术存在的缺陷，提出一种基于云平台与大数据分析的智能电网负荷预测方法。

一种基于云平台与大数据分析的智能电网负荷预测方法，其特征在于，所述方法包括：

基于云平台整合待预测区域内所有传感器数据，对待预测区域进行格网划分；

将以待插值点为圆心的区域划分为多个扇形区域；在每个扇形区域中查找距离最近的参考点作为该扇形区域的最优参考点；根据各最优参考点与待插值点的距离，得到待插值点的数据；

待插值点以及传感器点的数据构成天气敏感负荷张量；根据待预测区域内每个新能源发电站的供电能力确定对应的辅助减负窗口尺寸，根据供新能源发电站的类型、位置以及辅助减负窗口尺寸，从天气敏感负荷张量中提取数据作为辅助减负张量；

结合辅助减负张量、天气敏感负荷张量、电网负荷特征，利用时序预测模型预测电网负荷。

进一步地，所述根据待预测区域内每个新能源发电站的供电能力确定对应的辅助减负窗口尺寸包括：

根据新能源发电站i所接线路的电压确定量化半径表征值R_i：其中，n表示第i个发电站所连接的线路条数，Level_k表示第k条线路的电压等级；根据量化半径表征值确定量化半径真实值，辅助减负窗口的半径即为量化半径真实值。

进一步地，所述扇形区域的圆心角相等，圆心角的角度度确定方法如下：

获取与待插值点距离最近的传感器点集合并作为待处理点集，对待处理点集和待插值点组成的点集进行凸包分析，得到参考点集；基于参考点集与待插值点生成三角网；根据待插值点所在角的角度确定圆心角的角度。

进一步地，所述对待处理点集和待插值点进行凸包分析，得到参考点集包括：

步骤1a，对待处理点集和待插值点组成的点集进行凸包计算，若待插值点属于凸包顶点，则将凸包上的传感器点作为第一参考点，并将前次循环的凸包顶点作为第二参考点，转至步骤1c，否则转至步骤1b；

步骤1b，从待处理点集中剔除凸包顶点；若剔除后待处理点集个数大于1，则将剔除后待处理点集作为新的待处理点集转至步骤1a；若剔除后待处理点集仅包括一个点，则将该点作为第一参考点，将凸包顶点作为第二参考点，转至步骤1c；若剔除后待处理点集为空，则将凸包顶点作为第一参考点，转至步骤1c；

步骤1c，若第一参考点与待插值点所围成区域还包括传感器点，则将所包含的传感器点作为第三参考点。