[发明专利]一种基于自适应层次时间序列聚类的用电负荷预测方法

说明书

本发明请求保护一种基于自适应层次时间序列聚类的用电负荷预测方法。1)根据量化后用电负荷的上升、减少和持平特征在窗口时间段上依次划分出负荷序列；2)采用层次聚类法对负荷序列特性进行凝聚层次聚类；3)利用分层的思想对负荷进行预测，将预测负荷序列组中的后一负荷序列作为下一时段的预测负荷，然后将预测出的负荷序列作为当前最新的负荷序列；4)通过反馈方法动态调整量化因子、时间窗口及分簇参数，完成用电负荷预测。从而提供了一种在超短期内更加精准的用电负荷预测方法，并有效降低负荷预测中对原始数据的存储代价，为科学、准确实现智能电网中电力调配起到支撑作用。

技术领域

本发明涉及智能电网的用电信息处理领域，具体涉及一种基于自适应层次时间序列聚类的用电负荷预测方法。

背景技术

智能电网条件下，各种先进计量装置(如传感器、智能仪表)被越来越多地安装在配电网中，以监测、控制和预测电能使用，那些收集到的不同时间间隔的变压器或电力用户日消费数据，构成了各监测点的负荷曲线。这些准确而详细的电力消费信息为配电企业通过专门的分析获取负荷模式提供了基础。目前，国内外关于负荷模式提取的技术主要运用各种聚类分析技术获取电力用户典型负荷曲线和负荷特性可用于预测和估计未来电力需求，同时使用负荷模式分类还可以减少信息系统的负荷数据存储。但是目前聚类技术无法满足时间序列上负荷的准确分簇，从而使得聚类技术针对短时期内的负荷预测存在一定局限性。目前，尚未有一种基于自适应参数调整的层次时间序列聚类的负荷预测方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于自适应层次时间序列聚类的用电负荷预测方法。本发明的技术方案如下：

一种基于自适应层次时间序列聚类的用电负荷预测方法，其包括以下步骤；1)获取用电负荷并划分负荷序列；2)采用层次聚类法对负荷序列特性进行凝聚层次聚类；3)利用分层的思想对负荷进行预测；4)通过反馈方法动态调整量化因子、时间窗口及分簇参数，完成用电负荷预测。

进一步的，所述步骤1)划分负荷序列的步骤之前还包括对用户用电负荷进行量化的步骤，所述划分负荷序列步骤包括：根据用电负荷的上升、减少和持平特征在窗口时间段上进行划分。

进一步的，步骤2)采用层次聚类法对负荷序列特性进行凝聚层次聚类包括：步骤S2.1：设置单位时刻距离dis_t、单位时刻负荷距离dis_p及序列长度距离dis_len，对负荷序列进行初始凝聚分簇；

步骤S2.2：对序列中心时刻距离dis_T_c和负荷总量距离dis_sum进行设置，将极大簇分裂成多个较小的簇，不同的负荷序列簇为序列的第一层；

步骤S2.3：将两个时间相邻的负荷序列组成预测负荷序列组，将组中起始负荷序列所属同一簇的预测负荷序列组合并为负荷序列域，不同的预测负荷序列域为序列的第二层。

进一步的，步骤3)利用分层的思想对负荷进行预测包括步骤：在负荷预测过程中，寻找当前最新负荷序列所属域，并在域中寻找匹配的预侧负荷序列组，将预侧负荷序列组中的后一负荷序列作为下一时段的预测负荷，然后将预测出的负荷序列作为当前最新的负荷序列，重复该步骤继续进行预测。

进一步的，所述负荷预测过程具体包括以下步骤：

步骤S3.1：在负荷预测过程中，寻找当前最新负荷序列所属预测负荷序列域；

步骤S3.2：若未发现所属预测负荷序列域，则寻找离该负荷序列邻域半径上最近的负荷序列簇，找出该簇表征的预测负荷序列域，并寻找域中各个预侧负荷序列组中后一负荷序列所属簇中拥有序列数量最多的簇，并使用该簇的质心序列作为一时段的预测负荷；

步骤S3.3：若发现所属预测负荷序列域，当域中有多个预测负荷序列组中的起始负荷序列与当前负荷序列匹配，则使用发生时间最晚的预侧负荷序列组中的后一负荷序列作为下一时段的预测负荷；