一种基于人工智能和数据挖掘的负荷分析系统及方法与流程

文档序号:37582628发布日期:2024-04-18 12:06阅读:16来源:国知局
一种基于人工智能和数据挖掘的负荷分析系统及方法与流程

本发明涉及负荷分析预测,具体为一种基于人工智能和数据挖掘的负荷分析系统及方法。


背景技术:

1、负荷预测在电力系统中至关重要,对许多部门都有着重要影响。例如,制定电力系统发展规划离不开中长期负荷预测,制定日前发电计划是以短期负荷预测的日负荷曲线为基础。负荷预测涉及了电力系统多个方面,如系统的规划和设计、系统的经济安全运行、电力市场交易等,随着电力系统架构逐年增长,信息量逐年增多,负荷预测的难度也越来越大,是电网运行和管理中的一个重要研究领域。

2、母线负荷预测从系统负荷预测理论发展而来,早期的母线负荷预测模型大都是借鉴系统负荷预测模型演变而来,现阶段母线负荷预测算法大都停留在传统的统计学方法和基于时间序列外推等方法,现有母线负荷预测模型考虑相关因素较少,在复杂多变的市场环境下,预测准确率难以满定要求。


技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足,本发明提供了一种基于人工智能和数据挖掘的负荷分析系统及方法,具备自我提升准确率等优点,解决了模型少,预测准确率低的问题。

3、(二)技术方案

4、为实现上述提升准确率目的,本发明提供如下技术方案:一种基于人工智能和数据挖掘的负荷分析系统,包括数据管理平台、运行监测平台、负荷分析平台、负荷预测平台、预测评估平台以及系统管理平台;

5、所述数据管理平台包括系统负荷数据管理模块与母线负荷数据管理模块,所述运行监测平台包括特性监测模块、曲线监测模块以及预警模块,所述负荷分析平台包括数据挖掘模块、系统负荷分析模块以及母线负荷分析模块,所述负荷预测平台包括人工智能算法库、系统负荷预测模块以及母线负荷预测模块,所述预测评估平台包括预测结果评估模块、预测结果准确率统计模块以及误差分析模块,所述系统管理平台包括用户管理模块、角色管理模块、权限管理模块、参数管理模块以及日志管理模块。

6、优选的,所述系统负荷数据管理模块所管理数据包括系统历史电量数据、系统电量预测数据、系统历史负荷数据、系统预测负荷数据以及系统负荷特性数据,所述母线负荷数据管理模块所管理数据包括母线基础信息、母线历史负荷数据、母线负荷预测数据以及母线负荷特性数据。

7、优选的,所述特性监测模块负责对系统及母线的负荷特性进行监测,所述曲线监测模块负责对系统及母线的曲线和负载率进行监测,所述预警模块负责对负荷突变以及预测偏差进行预警。

8、优选的,所述数据挖掘模块用于挖掘系统及母线负荷的各项历史数据以及潜在信息,所述系统负荷分析模块对系统负荷进行年/月电量对比分析、年/月负荷分析、年/月持续曲线分析、年/月典型曲线分析、年/月概率分布分析、日负荷特性对比分析、日负荷曲线分析、负荷稳定度分析、因素相关性分析、累积效应分析、先行期分析以及滞后性分析,所述母线负荷分析模块对母线负荷进行年/月电量对比分析、年/月负荷分析、年/月持续曲线分析、年/月典型曲线分析、年/月概率分布分析、日负荷特性对比分析、日负荷曲线分析、负荷稳定度分析、负载率分析、聚类分析、因素相关性分析、累积效应分析、先行期分析、滞后性分析以及节点电价分析。

9、优选的,所述人工智能算法库包括人工神经网络预测法、模糊预测法、专家系统预测法、优选组合预测法、支持向量机法、小波分析法以及数据挖掘技术,所述系统负荷预测模块以及母线负荷预测模块分别对系统负荷与母线负荷进行年/月电量预测、年/月最大负荷预测、年/月最小负荷预测、正常日负荷预测、节假日负荷预测、超短期负荷预测、模型训练以及人工修正。

10、优选的,所述预测结果评估模块对负荷预测平台的预测结果进行评估,得出预测准确率,并结合所用算法进行评估,所述预测结果准确率统计模块对预测结果评估模块评估结果,对预测准确率以及所对应算法进行统计,并设立考核排名,所述误差分析模块对预测结果和实际结果的偏差进行分析,并将分析结果回传给人工智能算法库的预测算法。

11、优选的,所述用户管理模块实现系统访问用户的用户名、密码、所属区域、有效期等信息的管理,所述角色管理模块实现系统角色的管理,角色代表用户在系统中的身份,不同的身份拥有不同的资源访问权限,所述权限管理模块为系统角色划分页面和数据的访问权限,所述参数管理模块提供系统运行所需要的一些参数维护,所述日志管理模块对系统用户登陆、访问资源、数据修改等操作进行记录。

12、本发明要解决的另一技术问题是提供一种基于人工智能和数据挖掘的负荷分析方法,包括以下步骤:

13、s1、数据管理平台通过系统负荷数据管理模块调取统历史电量数据、系统电量预测数据、系统历史负荷数据、系统预测负荷数据、系统负荷特性数据,通过母线负荷数据管理模块调取母线基础信息、母线历史负荷数据、母线负荷预测数据和母线负荷特性数据,并将上述数据传输给负荷分析平台;

14、s2、运行监测平台通过特性监测模块、曲线监测模以及预警模块,对系统及母线的负荷特性进行监测,并监测系统及母线的曲线和负载率,同时通过预警模块对负荷突变以及预测偏差进行提前预警,并将监测数据传输给负荷分析平台;

15、s3、负荷分析平台通过数据挖掘模块对数据管理平台和运行监测平台传输的数据进行有用数据挖掘,系统负荷分析模块根据所挖掘信息做出系统负荷年/月电量对比分析、年/月负荷分析、年/月持续曲线分析、年/月典型曲线分析、年/月概率分布分析、日负荷特性对比分析、日负荷曲线分析、负荷稳定度分析、因素相关性分析、累积效应分析、先行期分析以及滞后性分析,母线负荷分析模块根据所挖掘信息做出母线负荷进行年/月电量对比分析、年/月负荷分析、年/月持续曲线分析、年/月典型曲线分析、年/月概率分布分析、日负荷特性对比分析、日负荷曲线分析、负荷稳定度分析、负载率分析、聚类分析、因素相关性分析、累积效应分析、先行期分析、滞后性分析以及节点电价分析,并将所分析数据传输给负荷预测平台;

16、s4、负荷预测平台根据负荷分析平台传输的分析数据调取人工智能算法库中的智能算法,负荷预测模块以及母线负荷预测模块通过多种人工智能算法多出多组的年/月电量预测、年/月最大负荷预测、年/月最小负荷预测、正常日负荷预测、节假日负荷预测、超短期负荷预测、模型训练以及人工修正结果,并将结果输送给预测评估平台;

17、s5、预测评估平台通过预测结果评估模块对多种算法得出的预测结果和实际结果进行评估,得出评估结果,预测结果准确率统计模块根据评估结果按照准确率高低对多种算法以及其对应不同预测项的准确率进行统计排名,再通过误差分析模块对预测结果和实际结果的偏差进行分析,并将分析结果上传到人工智能算法库,使其通过偏差分析结果,调整算法调取策略,并建立数据模型,实现算法的自我训练学习;

18、s6、通过多轮数据的训练,逐步提高算法的预测准确率,并针对不同的预测项寻用更加适合的算法,通过自我学习,逐渐提高负荷分析及预测的准确性。

19、优选的,所述数据管理平台包含电网负荷、气象信息、经济数据等系统运行所需全周期、全要素、全拓扑数据的存储、查询和维护的综合性数据维护子平台,实现海量数据的分类存储、便捷化检索和导出以及高效、准确的多元数据清洗和修复;

20、所述运行监测平台能够对负荷运行情况进行全方位监测,实现全要素的特性监测、曲线监测,并且能够对预测偏差及各类突变进行预警,为实时调度运行提供有力支撑;

21、所述负荷分析平台够对全周期、全要素、全拓扑的负荷数据进行全面分析,基于数据挖掘技术对负荷的变化趋势及影响因素进行深入分析,为后续预测建模提供支撑;

22、所述负荷预测平台可对全要素、全拓扑进行全周期预测,基于先进的人工智能算法库,结合负荷分析子平台的分析结果,完成负荷预测任务;

23、所述预测评估平台可对全系统预测结果进行评估及分析,在对预测结果进行准确率统计的同时,能够对预测误差进行自动分析,并将分析结果传导至预测算法,协助预测算法进行自优化。

24、(三)有益效果

25、与现有技术相比,本发明提供了一种基于人工智能和数据挖掘的负荷分析系统及方法,具备以下有益效果:

26、1、该基于人工智能和数据挖掘的负荷分析系统及方法,通过设置了管理平台、运行监测平台、负荷分析平台、负荷预测平台、预测评估平台以及系统管理平台,数据管理平台包括系统负荷数据管理模块与母线负荷数据管理模块,运行监测平台包括特性监测模块、曲线监测模块以及预警模块,负荷分析平台包括数据挖掘模块、系统负荷分析模块以及母线负荷分析模块,负荷预测平台包括人工智能算法库、系统负荷预测模块以及母线负荷预测模块,预测评估平台包括预测结果评估模块、预测结果准确率统计模块以及误差分析模块,系统管理平台包括用户管理模块、角色管理模块、权限管理模块、参数管理模块以及日志管理模块,能够对负荷运行情况进行全方位监测,实现全要素的特性监测、曲线监测,并且能够对预测偏差及各类突变进行预警,为实时调度运行提供有力支撑,构建适用于系统负荷、母线负荷、行业用电全拓扑对象,覆盖中长期、短期、超短期全周期,具备自主学习和偏差自校正机制的预测模型算法库,实现网省两级短期负荷曲线(系统、母线)自动编制功能,利用新型智能算法对非线性、非连续的数据进行处理,提高负荷预测影响因素的辨识范围和精度实现考虑多因素的人工智能中长期负荷(电量)预测功能。

27、2、该基于人工智能和数据挖掘的负荷分析系统及方法,通过设置了预测评估平台,预测评估平台可对全系统预测结果进行评估及分析,在对预测结果进行准确率统计的同时,能够对预测误差进行自动分析,并将分析结果传导至预测算法,协助预测算法进行自优化,建立具备自学习、自优化能力的高度智能化、自动化负荷预测系统,实现样本选择、相关因素选取、模型参数调整的智能化和自动化寻优,逐步提高预测的准确率。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1