一种基于Prophet模型的配电网线路峰值负荷预测方法与流程

本发明涉及配电网线路负荷预测领域，尤其涉及一种基于prophet模型的配电网线路峰值负荷预测方法。

背景技术：

1、电力负荷预测是电力安全调度的重要依据，在保证电力系统稳定、可靠、经济运行等方面具有十分重要的意义。随着我国经济的高速发展，电力负荷预测已成为一项重要而艰巨的任务。提前一至两星期对配电网线路进行负荷峰值预测，准确预测将出现重过载的线路，能为配电网制定供电计划提供重要参考。

2、传统的时间序列分析方法大部分应用于输电网日负荷曲线预测或日电量预测，却很少应用于配电网线路的峰值负荷预测，配电网线路负荷受节假日、季节影响，具有变化趋势差异性大、难以量化的特点，这对预测模型的泛化性提出了更高的要求，使得负荷预测更加困难。

技术实现思路

1、为了实现配电网线路峰值负荷的精准预测，本发明提出了一种基于prophet模型的配电网线路峰值负荷预测方法，包括步骤：

2、s01：获取配电网线路的实时负荷数据与历史负荷数据,并进行数据预处理得到数据集,所述负荷数据中包括各时间点以及各时间点对应的电流值；

3、s02：基于时间序列分解方法构建季节项、趋势项、节假日项、误差项的时间序列模型，通过数据集训练构建的各时间序列模型得到prophet模型；

4、s03：设置prophet模型中模型参数：变点位置与变点个数的初始值；

5、s04：通过设置或调整模型参数后的prophet模型预测上一周期内的日负荷峰值得到日负荷峰值预测值，获取各日负荷峰值预测值与对应日负荷峰值实际值的差值为峰值预测误差，并获取上一周期内各峰值预测误差的平均值为预测误差值；

6、s05：判断预测误差值是否大于预设门限值，若是，则基于预测误差值与预设门限值的差值自适应调整模型参数：变点位置与变点个数的取值，以使调整后的prophet模型的预测误差值趋近于预设门限值或小于预设门限值；若否，则跳转至s07步骤；

7、s06：判断调整后的变点位置与变点个数是否均处于对应的标准范围内，若是，则返回s04步骤进行循环预测，若否，则进入下一步骤；

8、s07：获取各循环对应预测误差值中最小的预测误差值，获取最小预测误差值对应变点位置与变点个数的取值，作为目标变点位置与目标变点个数；

9、s08：以目标变点位置与目标变点个数作为模型参数的取值，运行prophet模型，预测出下一周期内的日负荷峰值。

10、进一步地，所述s01步骤中，数据预处理具体为：

11、依次判断负荷数据中的数据是否缺失，若是，则获取当前缺失数据xt前5个时间点对应有效值[xt-1，…，xt-5]的平均值，通过平均值填充当前的缺失数据xt；其中t表示时间点；

12、针对负荷数据中的任意电流值xt，获取电流值xt前一天内电流值的均值μ与标准差σ，通过均值μ与标准差σ设定标准区间[μ-2σ，u+2σ]；判断数据xt是否在[μ-2σ，u+2σ]区间内，若否，则按照其大小将其修改为标准区间的上下界之一，即大于上界取上界，小于下界取下界；

13、在填充并修改至标准区间后，对负荷数据进行归一化处理：

14、

15、式中，xi为负荷数据中的实际电流值，xmin为负荷数据中的最小电流值，xmax为负荷数据中的最大电流值，为归一化后的电流值。

16、进一步地，所述s02步骤包括：

17、将需要预测的时间序列yt分解为趋势项、季节项、节假日项与误差项，分解公式为：

18、y(t)＝g(t)+s(t)+h(t)+εt；

19、式中，g(t)为趋势项，表示时间序列在非周期上的变化趋势，s(t)为季节项，用于获取时间序列中的周期性规律，其单位为周或月或年；h.(t)为节假日项，表示假期节日对时间序列数据的影响，εt为误差项，用于表示模型中没有预测到的波动。

20、进一步地，所述s02步骤还包括：

21、构建趋势项g(t)对应的时间序列模型：

22、g(t)＝(k+α(t)δ)·t+(m+α(t)tγ)；

23、式中，k表示增长率，增长率变化的时间点记为变点c；δ表示增长率的变化量；m表示偏置量；α(t)是一个由二值函数产生的时间序列，若当前时间点等于变点，变点位置cj取1，否则取0，其中j表示变点的位置；γ是一个与α(t)等长的时间序列，该时间序列中的每个值均为：γj＝-cjδj，式中，δj表示第j个变点位置对应增长率的变化量。

24、进一步地，所述s02步骤还包括：

25、通过傅里叶级数构建季节项s(t)对应的时间序列模型：

26、

27、这里使用参数向量β表示公式中的系数：β＝(a1，b1，…an，bn)t，其中an，bn均为需要拟合的系数，n表示傅里叶变换的阶数；

28、其中p是时间序列的周期：

29、以年为周期时，p＝365.25、n＝10，有

30、以周为周期时，n＝3，有

31、因此，季节项s(t)对应的时间序列模型记为s(t)＝x(t)β，其中β～normal(0，σ2)，σ为预设值，σ越大表示季节的效应越明显，值越小，表示季节的效应越弱。

32、进一步地，所述s02步骤还包括：

33、构建节假日项h(t)对应的时间序列模型：

34、

35、

36、式中，l表示节假日数量，ki表示第i个节假日的影响值，di表示第i个节假日的前后一段时间；

37、其中，k～normal(0，v2)，标准差v为预设值，其默认值等于10，当标准差的值越大时，表示节假日对模型的影响越大；当值越小时，表示节假日对模型的影响越小。

38、与现有技术相比，本发明至少含有以下有益效果：

39、本发明通过设置或调整模型参数后的prophet模型预测上一周期内的日负荷峰值，并通过日负荷峰值获取预测误差值，并在预测误差值大于预设门限值时，基于预测误差值与预设门限值的差值自适应调整模型参数，并在调整后的变点位置与变点个数均处于对应的标准范围内时，通过调整模型参数后的prophet模型重新预测上一周期内的日负荷峰值，并不断循环，直至预测误差值小于预设门限值，或者调整后的变点位置或变点个数未处于对应的标准范围内，结束循环，并获取目标变点位置与目标变点个数，以预测出下一周期内的日负荷峰值，本发明在常规的时间序列分解方法之上把需要预测的时间序列分解成趋势项、季节项、节假日项及扰动项(误差项)，在每一次的循环过程中，通过对比预测误差值与预设门限值自适应调整模型参数，并基于变点位置与变点个数对应的标准范围作为再次进入循环预测的判断条件，精准的实现了日负荷峰值预测，解决了传统的时间序列分析方法，由于配电网线路负荷受节假日、季节影响，具有变化趋势差异性大、难以量化的特点，进而导致负荷峰值预测较为困难的问题。

技术特征：

1.一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，所述s01步骤中，数据预处理具体为：

3.根据权利要求2所述的一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，所述s02步骤包括：

4.根据权利要求3所述的一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，所述s02步骤还包括：

5.根据权利要求2所述的一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，所述s02步骤还包括：

6.根据权利要求5所述的一种基于prophet模型的配电网线路峰值负荷预测方法，其特征在于，所述s02步骤还包括：

技术总结
本发明公开了一种基于Prophet模型的配电网线路峰值负荷预测方法，涉及配电网线路负荷预测领域，本发明通过设置或调整模型参数后的Prophet模型预测上一周期内的日负荷峰值，并通过日负荷峰值获取预测误差值，并在预测误差值大于预设门限值时，基于预测误差值与预设门限值的差值自适应调整模型参数，通过调整模型参数后的Prophet模型重新预测上一周期内的日负荷峰值，并不断循环，直至预测误差值小于预设门限值，或者调整后的变点位置或变点个数未处于对应的标准范围内，结束循环，并获取目标变点位置与目标变点个数，以预测出下一周期内的日负荷峰值，精准的实现了日负荷峰值预测。

技术研发人员：杨凯文,沈科炬,林科,罗立华,陈润辉,潘成南,徐腾宇,邹俞
受保护的技术使用者：国网浙江慈溪市供电有限公司
技术研发日：
技术公布日：2024/1/12