基于决策树和专家系统的短期电力负荷预测系统及方法
【技术领域】
[0001]本发明涉及电力系统安全处理技术领域，具体地说是涉及一种基于决策树和专家系统的短期电力负荷预测系统及方法。
【背景技术】
[0002]在当前市场化运营条件下，由于电力交易更加频繁和经营主体之间的区别，会出现各种不确定因素，同时负荷对于电价的敏感度也随着市场的完善而逐渐增强，这些都给负荷预测带来了新的难度，传统的预测方法如时间序列法、多元线性回归法和傅立叶分量法等虽然比较成熟、算法简单，但本质上都是线性模型方法，遇到非线性问题时就显得无能为力，现在正在研究的预测方法主要有灰色预测模型、优选组合预测、神经网络及专家系统等产，都已经在实际中取得了较好的效果，但这几种方法都存在不足之处。
[0003]影响电力负荷预测的问题主要有数据众多、种类混杂且质量差等，而对海量无规则数据进行处理正是数据挖掘的强项。数据挖掘是一个从已数据集合中发现各种模型、概要和导出值的过程，它可以从大量数据中提取人们所需的知识。利用数据挖掘中的决策树算法进行负荷预测，可能对大量历史数据进行分析，综合考虑多种因素，弥补了其他方法的不足，克服了人工方式的随机性。电力负荷一般包括4个分量，周期变化的基本负荷、特殊天气的敏感负荷、非正常日负荷、随机变化的随机负荷。对历史数据进行挖掘可以很好地预测出周期变化的基本负荷，但对于电力负荷的另外3个案分量，由于随机性比较强，仅仅利用历史数据是无法准确预估的，加上算法本身存在的过度拟合以及噪声敏感等问题，使得预测结果存在偏差。
【发明内容】
[0004]本发明的目的是针对上述缺陷，提供一种基于决策树和专家系统的短期电力负荷预测系统，充分考虑各种因素对负荷的影响，利用数据挖掘中的决策树算法得到负荷与气象之间的定量关系，再和专家系统相结合，根据待测日具体情况选取相应的修正模型，对初步预测结果进行修正，确定最终预测曲线。
[0005]为实现上述目的，本发明采用了如下的技术方案:
[0006]—种基于决策树和专家系统的短期电力负荷预测系统，包括当日气象采集模块、历史数据模块、实况数据模块、多个客户端、服务器端和与服务器端相连接的用户界面，所述服务器端包括依次相连数据准备模块、内置能够自我学习自我完善的决策树数据库的负荷预测模块、内置知识库的专家系统模块，所述历史数据模块、实况数据模块分别与数据准备模块相连接，所述当日气象采集模块与负荷预测模块连接，所述多个客户端与专家系统模块分别连接，所述数据准备端负责将历史数据模块中的历史负荷数据和历史气象数据、实况数据模块中的实况负荷数据和实况气象数据转换为数据挖掘所需的数据格式，并将该数据格式传输给负荷预测模块；所述负荷预测模块调用决策树算法并结合当日气象采集模块所提供的天气预报情况，给出初步负荷预测结果；所述专家系统模块根据当日气象采集模块所提供的天气预报情况确定待测日类型，并选择相应的修正模型来修正负荷预测模块的初步负荷预测结果提交到用户界面，所述用户界面可以对挖掘算法的各项参数进行设定。
[0007]基于决策树和专家系统的短期电力负荷预测系统对短期电力负荷进行预测的方法，该方法的步骤为:
[0008]1.1)取第N-1天的气象数据和负荷数据；
[0009]1.2)求第N+1天的气象数据基值和变化值；
[0010]1.3)用15min时间间隔将上述气象数据分为96个表；
[0011]1.4)将每张表气象数据、负荷数据代入挖掘模型，由决策树算法计算负荷变化率，再由第N+1天的数据得到预测值；
[0012]1.5)将96个预测值绘制成曲线；
[0013]2.1)根据专家系统的知识库和待测日的影响因素，将待测日进行分类处理；
[0014]2.2)根据分类结果，选取相应的修正模型，输入相关影响因素，得到负荷修正量；
[0015]2.3)将初步预测结果和修正量相结合，确定最终预测结果。
[0016]与现有技术相比，本发明的有益效果为:
[0017]本发明基于决策树和专家系统的短期电力负荷预测系统，根据待测日具体情况进行特别处理，充分考虑各种因素对负荷的影响，利用数据挖掘中的决策树算法得到负荷与气象之间的定量关系，再和专家系统相结合，根据待测日具体情况选取相应的修正模型，对初步预测结果进行修正，确定最终预测曲线。由于系统的开放性，可不断根据需要增加的新的模型和知识，适应更多情况下的负荷预测。
【附图说明】
[0018]图1为本发明的结构示意图。
【具体实施方式】
[0019]下面结合附图对本发明作进一步详细说明。
[0020]如图1所示，本发明基于决策树和专家系统的短期电力负荷预测系统，包括当日气象采集模块、历史数据模块、实况数据模块、多个客户端、服务器端和与服务器端相连接的用户界面，所述服务器端包括依次相连数据准备模块、内置能够自我学习自我完善的决策树数据库的负荷预测模块、内置知识库的专家系统模块，所述历史数据模块、实况数据模块分别与数据准备模块相连接，所述当日气象采集模块与负荷预测模块连接，所述多个客户端与专家系统模块分别连接，所述数据准备端负责将历史数据模块中的历史负荷数据和历史气象数据、实况数据模块中的实况负荷数据和实况气象数据转换为数据挖掘所需的数据格式，并将该数据格式传输给负荷预测模块；所述负荷预测模块调用决策树算法并结合当日气象采集模块所提供的天气预报情况，给出初步负荷预测结果；所述专家系统模块根据当日气象采集模块所提供的天气预报情况确定待测日类型，并选择相应的修正模型来修正负荷预测模块的初步负荷预测结果提交到用户界面，所述用户界面可以对挖掘算法的各项参数进行设定。
[0021]基于决策树和专家系统的短期电力负荷预测系统对短期电力负荷进行预测的方法，该方法的步骤为:
[0022]1.1)取第N-1天的气象数据和负荷数据；
[0023]1.2)求第N+1天的气象数据基值和变化值；
[0024]1.3)用15min时间间隔将上述气象数据分为96个表；
[0025]1.4)将每张表气象数据、负荷数据代入挖掘模型，由决策树算法计算负荷变化率，再由第N+1天的数据得到预测值；
[0026]1.5)将96个预测值绘制成曲线；
[0027]2.1)根据专家系统的知识库和待测日的影响因素，将待测日进行分类处理；
[0028]2.2)根据分类结果，选取相应的修正模型，输入相关影响因素，得到负荷修正量；
[0029]2.3)将初步预测结果和修正量相结合，确定最终预测结果。
[0030]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种基于决策树和专家系统的短期电力负荷预测系统，其特征在于:该短期电力负荷预测系统包括当日气象采集模块、历史数据模块、实况数据模块、多个客户端、服务器端和与服务器端相连接的用户界面，所述服务器端包括依次相连数据准备模块、内置能够自我学习自我完善的决策树数据库的负荷预测模块、内置知识库的专家系统模块，所述历史数据模块、实况数据模块分别与数据准备模块相连接，所述当日气象采集模块与负荷预测模块连接，所述多个客户端与专家系统模块分别连接，所述数据准备端负责将历史数据模块中的历史负荷数据和历史气象数据、实况数据模块中的实况负荷数据和实况气象数据转换为数据挖掘所需的数据格式，并将该数据格式传输给负荷预测模块；所述负荷预测模块调用决策树算法并结合当日气象采集模块所提供的天气预报情况，给出初步负荷预测结果；所述专家系统模块根据当日气象采集模块所提供的天气预报情况确定待测日类型，并选择相应的修正模型来修正负荷预测模块的初步负荷预测结果提交到用户界面，所述用户界面可以对挖掘算法的各项参数进行设定。2.权利要求1所述的基于决策树和专家系统的短期电力负荷预测系统对短期电力负荷进行预测的方法，其特征在于，该方法的步骤为: 1.1)取第N-1天的气象数据和负荷数据； 1.2)求第N+1天的气象数据基值和变化值； 1.3)用15min时间间隔将上述气象数据分为96个表； 1.4)将每张表气象数据、负荷数据代入挖掘模型，由决策树算法计算负荷变化率，再由第N+1天的数据得到预测值； 1.5)将96个预测值绘制成曲线； 2.1)根据专家系统的知识库和待测日的影响因素，将待测日进行分类处理； 2.2)根据分类结果，选取相应的修正模型，输入相关影响因素，得到负荷修正量； 2.3)将初步预测结果和修正量相结合，确定最终预测结果。
【专利摘要】本发明公开了一种基于决策树和专家系统的短期电力负荷预测系统及方法，该系统包括当日气象采集模块、历史数据模块、实况数据模块、多个客户端、服务器端和用户界面，服务器端包括数据准备模块、负荷预测模块、专家系统模块，历史数据模块、实况数据模块分别与数据准备模块相连接，当日气象采集模块与负荷预测模块连接，多个客户端与专家系统模块分别连接；负荷预测模块调用决策树算法并结合当日气象采集模块所提供的天气预报情况，给出初步负荷预测结果；专家系统模块根据当日气象采集模块所提供的天气预报情况确定待测日类型，并选择相应的修正模型来修正负荷预测模块的初步负荷预测结果提交到用户界面。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105243456
【申请号】CN201510754023
【发明人】张佩, 李超
【申请人】国家电网公司, 国网河南沁阳市供电公司
【公开日】2016年1月13日
【申请日】2015年11月9日