[发明专利]一种基于温度敏感性的公变台区负载率预测系统

说明书

本发明属于电力系统技术领域，且公开了一种基于温度敏感性的公变台区负载率预测系统，包括有异常数据辨识与修正、负荷结构分析、影响因素评估和负荷预测模型。本发明通过历史气象数据、预测气象数据和用户历史负荷数据、用户实时负荷数据，先通过欧几里得距离法、相关系数分析法方法实现相似日获取，再利用标准差、均值分析、历史平均值分析方法实现短期负荷预测数据计算，最后利用实时负荷数据对短期负荷预测数据进行二次校正，获得更精准的超短期负荷预测数据，从而可以对样本台区进行为期三天的短期负荷预测，并可以根据已发生的台区实际负荷情况，评估了该模型的预测准确率。

技术领域

本发明属于电力系统技术领域，具体为一种基于温度敏感性的公变台区负载率预测系统。

背景技术

由于居民台区负荷预测的不确定性很大，受到用户用电行为的影响更为明显，不同台区之间的用电负荷相互参考性较低，表现为弱约束关联，现有技术中，短期负荷预测方法主要包括趋势外推法、回归分析法和统计预测法，对于居民台区的短期负荷预测，可以采用用电类型、用电行为结合气温预测的方式进行，针对不同用户组成结构采用不同的短期负荷预测方法。

发明内容

本发明的目的在于提供一种基于温度敏感性的公变台区负载率预测系统，以解决上述背景技术中提出的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于温度敏感性的公变台区负载率预测系统，包括有异常数据辨识与修正、负荷结构分析、影响因素评估和负荷预测模型；

所述异常数据辨识与修正包括有不良数据识别方法、不良数据批量监测与修正方法和不良批量监测与修正方法；

所述负荷结构分析包括有分类负荷特征分析和负荷结构构成分析；

所述影响因素评估包括有工作日/休息日/节假日因素和气象因素；

所述不良批量监测与修正方法基础数据、获取相似日方法、短期负荷预测数据计算和超短期负荷预测数据；

所述负荷预测模型包括有基础数据、获取相似日方法、短期负荷预测数据计算和超短期负荷预测数据；

通过预测基础数据将样本台区预测日前4个月的负荷数据进行了预测模型训练。通过观察4月24日、25日、26日预测数据与实际负荷数据对比图，历史平均模型、线性回归模型和时间序列模型结合温度走势几乎已可以较准确地进行负荷预测，每日的负荷预测结果均有显著的提升。

优选的，所述基础数据包括有历史气象数据、预测气象数据和用户历史负荷数据、用户实时负荷数据；

所述获取相似日方法包括有欧几里得距离法和相关系数分析法，通过欧几里得距离法、相关系数分析法方法实现相似日获取；

所述短期负荷预测数据计算包括有标准差、均值分析法和历史平均值分析法，利用标准差、均值分析、历史平均值分析方法实现短期负荷预测数据计算；

所述超短期负荷预测数据为实时负荷数据对短期负荷预测数据进行二次校正的计算结果。

优选的，所述不良数据识别方法包括有缺失值识别和异常值识别；

所述不良数据批量监测与修正方法包括有缺失值修正和异常值修正；

所述不良批量监测与修正方法包括有负荷修正工具。

优选的，所述缺失值识别中缺失值是指获取的负荷数据集中个别值采集值缺失；

所述异常值识别中异常值是指获取的负荷数据集中部分点位负荷值显著的不同，如冒大数、负荷值。

优选的，所述缺失值修正：处理缺失值的方法包含缺失值的观测值、使用平均值或中位数填充缺失值、使用插值方法(如线性插值、多项式插值)来估计缺失值；