用于馈线短期负荷预测的参考样本优选方法
【技术领域】
[0001]本发明涉及一种电力系统短期负荷预测方法，尤其是涉及一种用于馈线短期负荷预测的参考样本优选方法。
【背景技术】
[0002]馈线短期负荷预测是优化配电网运行方式、做好事故预防预控、实现有序用电、合理安排检修等工作的基础，准确的馈线短期负荷预测对于有效提升电网精细化管理水平、提高供电可靠性水平等具有重要意义。馈线负荷与统调负荷、母线负荷等相比，具有负荷基数小、随机性强、数据积累较少、数据质量较差等特点。馈线负荷靠近输配电体系末端，负荷基数小，且缺乏多用电设备之间的对冲均衡，负荷变化的随机性更强，在图形上表现为许多的“毛刺”；由于过往对配电网的重视程度不足，数据采集及运行管理尚有较多需加强的地方，馈线负荷数据积累较少、数据质量较差。上述特点对馈线负荷预测工作造成了一定的困难。
[0003]现有工程应用中负荷预测算法集中在数据的预处理环节，根据负荷数据缺失、无效的不同情况，采用数据过滤、插值处理、预测值替代等来对数据进行预处理，但预处理的检验标准较低，经过预处理后的数据并非都能很好地反映该负荷模型的变化规律，在合格数据中，依然存在着数据质量方面的巨大差异。
[0004]目前馈线短期负荷预测在配电网调度、安全稳定分析等领域都有应用。由于参考样本数据质量未经优选，掺杂许多不能够较好反映馈线负荷变化规律的样本，致使预测结果平稳性差，算法收敛性也不能令人满意。由于馈线负荷作为配电网计划阶段的基础信息，预测结果的缺失将会影响后续工作的开展。
【发明内容】
[0005]有鉴于此，本发明的目的是针对现有技术的不足，提供一种用于馈线短期负荷预测的参考样本优选方法，解决了现有技术在馈线短期负荷预测中收敛性差、结果不平稳的问题。
[0006]为达到上述目的，本发明采用以下技术方案:
用于馈线短期负荷预测的参考样本优选方法，具体步骤如下:
(1)将电力调控中心电网能量管理系统中的实测馈线负荷数据、历史气象数据导入数据库，建立馈线负荷预测所需的参考样本；
(2)根据选择的参考样本采用拟合算法得到拟合结果，根据参考样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界；
(3 )在划定的参考样本边界内根据迭代过程中偏差量的变化规律选取参考样本。
[0007]优选的，所述步骤(2)中根据选择的参考样本采用拟合算法得到拟合结果，根据参考样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界，包括以下步骤: 1)读取数据库的参考样本数据，建立参考样本数据的样本集合；
2)采用最小二乘法生成拟合曲线；
3)计算样本集合中各样本与拟合曲线的偏差值；
4)生成拟合偏差的概率分布，确定偏差边界；
5)剔除超出边界的样本，形成新的样本集合。
[0008]优选的，所述步骤(3)中样本数据的分析迭代过程包括如下步骤:
步骤I)计算参考样本存在情况下拟合曲线的误差，该误差记为e1;
步骤2)计算无该参考样本情况下拟合曲线的误差情况，该误差记为e2;
步骤3)遍历每个样本，对比(ei_ e2)，选取值最大的一个作为该迭代步骤的剔除样本；步骤4)剔除样本后，当％小于设定值或迭代次数大于设定值时，进入步骤5);否则返回步骤I )，重新计算参考样本的误差变化；
步骤5)样本数据的分析迭代过程结束，获得优化的参考样本。
[0009]优选的，所述02的设定值为样本均值的20%。
[0010]优选的，所述迭代次数的设定值为总样本数的1/3。
[0011]本发明的有益效果是:
1、本发明根据选择的参考样本采用拟合算法得到拟合结果，进一步得到各样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，可以更加精确地划定参考样本的边界。
[0012]2、本发明根据迭代过程中偏差量的变化规律来进行参考样本的优选，采用这种方法避免了采用基于残差搜索的不良数据检测方法存在的“残差污染”问题，并且适用于实时变化馈线的负荷预测。
[0013]3、本发明中通过样本的优化筛选，获得馈线负荷预测算法收敛性、平稳性的大幅度提升，大大减少了因不收敛而没有预测结果的负荷比例，为基于馈线短期负荷预测结果的一系列工作提供可靠的数据基础。
【附图说明】
[0014]图1为拟合误差分布函数边界的流程图；
图2为拟合误差对比分析的流程图；
图3为样本散点图；
图4为样本分布图；
图5为拟合误差的概率密度曲线图；
图6为拟合误差的分布函数曲线图。
【具体实施方式】
[0015]下面结合附图和实施例对本发明作进一步描述。
[0016]本发明包括以下步骤:
(1)将电力调控中心电网能量管理系统中的实测馈线负荷数据、历史气象数据导入数据库，建立馈线负荷预测所需的参考样本；
(2)根据选择的参考样本采用拟合算法得到拟合结果，进一步得到各样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界；
(3)在第二步保留样本的基础上，根据迭代过程中偏差量的变化规律优选参考样本。
[0017]如图1所示，在上述步骤(2)中所述步骤(2)中根据选择的参考样本采用拟合算法得到拟合结果，根据参考样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界，包括以下步骤:
1)读取数据库样本数据，建立全样本集合，进入步骤2);
2)采用最小二乘法生成拟合曲线，进入步骤3);
3)计算各样本与拟合曲线的偏差值，进入步骤4);
4)生成拟合偏差的概率分布，确定偏差边界，进入步骤5);
5)剔除超出边界的样本，形成新的样本集合。
[0018]馈线负荷预测中，参考样本是进行预测的重要基础，预测结果即是对参考样本进行计算而得到。在预测算法的实现体系里，参考样本即为输入环节，如果输入数据有问题，则经过预测计算，预测结果中必然会有所反映。
[0019]现有技术通常是经过数据预处理后，即认为各个样本的都是合格的，但合格并不代表样本的数据能够反映整个馈线负荷的规律。当样本进入预测算法过程后，算法的参数识别、预测修正等，都会受到这部分不能够代表馈线负荷规律的样本的影响，而这部分样本对算法收敛性的破坏也是最大的。
[0020]从时间序列模型来看，时间序列模型是建立在线性平稳模型基础上的，是参数化模型处理动态随机数据的一种方法。通过对实测数据序列的统计处理，将它拟合成一个参数模型，再利用这个模型来分析研究实测数据序列内在的各种特性，从而根据自身的变化规律，