[发明专利]一种母线负荷预测方法

摘要

本发明公开了一种母线负荷预测方法，该方法包括：采用横向比较法修正历史负荷数据中的异常值，采用灰色关联投影法确定母线负荷的关键影响因素；采用改进的K‑means聚类方法将特性相近的负荷曲线归为一类，得到若干典型负荷模式，构建随机森林分类模型，建立影响因素与聚类结果之间的映射关系；针对每类负荷模式，利用多元线性回归方法训练若干预测模型；通过随机森林分类模型确定待测日的类别，选择相匹配的回归模型实现负荷预测。本发明引入数据挖掘方法分析母线负荷的变化规律并建立预测模型库，结合待测日的类别实现模型匹配，提高了短期母线负荷预测的精度和实时性，为电网规划和实时调度提供更加准确的决策支持。

主权项

1.一种母线负荷预测方法，其特征在于，包括：/n将待测母线的关键影响因素值作为特征向量，输入预先构建的分类模型中，得到待测日的类别；所述预先构建的分类模型为根据关键影响因素和对待测母线的历史负荷数据进行聚类分析的结果，建立的关键影响因素与母线负荷的映射关系；/n根据待测日的类别从预先训练得到的多元回归预测模型中选取相应的多元回归预测模型，进行待测母线负荷的预测；所述预先训练得到的多元回归预测模型为根据待测母线的历史负荷数据的聚类分析结果，针对不同的典型负荷模式，选取对应的历史负荷数据和关键影响因素值作为样本数据训练得到的预测模型；/n所述分类模型的构建方法为：/n采用横向比较法筛选出待测母线历史负荷数据中的异常数据，将所述异常数据按照预设算法进行修正，得到修正负荷数据；/n结合修正负荷数据以及与负荷相关的影响因素，采用灰色关联投影法计算得到影响因素与历史负荷数据的关联程度，由大到小选取预设数量的所述关联程度对应的影响因素作为关键影响因素；/n按照预设的K-means聚类算法对待测母线的历史负荷数据进行聚类分析，得到不同的典型负荷模式；/n根据所述关键影响因素和聚类分析的结果，采用随机森林算法构建分类模型，建立关键影响因素与各类母线负荷的映射关系。/n