本发明涉及配电网运行与控制,具体涉及一种面向配电网的区域负荷精准预测方法及装置。
背景技术:
1、电力负荷预测的精度对电网的安全稳定运营起着至关重要的作用,预测水平的提高有利于合理的制订光伏电站的建设规划,安排机组的检修计划和电网的运营方式,从而降低发电成本和能耗。同时,电力市场需求的精准预测能够提升电网本身的营运水平,对电力市场需求的不适当估计给整个电网的运行带来巨大的负面影响。一旦预测结果大于实际电力需求,不但降低了系统的利用率,更严重的浪费了资源,加重环境负担;预测结果小于实际需求,造成大面积拉闸限电的现象,给国民经济生产和人民生活带来诸多不便。
技术实现思路
1、为了克服上述缺陷,本发明提出了一种面向配电网的区域负荷精准预测方法及装置。
2、第一方面,提供一种面向配电网的区域负荷精准预测方法,所述面向配电网的区域负荷精准预测方法包括:
3、获取待测区域在预测期的预测特征数据;
4、将预测期的预测特征数据作为预先训练的循环神经网络rnn模型的输入,得到预先训练的循环神经网络rnn模型输出的预测期的负荷量;
5、其中,所述预测特征数据包括:经济数据、历史负荷数据、当前负荷数据、用电相关特征。
6、优选的,所述经济数据包括:电力的年平均增长率、预测期国民生产总值的年均增长率、预测期预计的国民生产总值年均增长率;
7、所述用电相关特征包括:时间、季节、日类型、天气状况。
8、优选的,所述预先训练的循环神经网络rnn模型由输入层、隐藏层、循环层和输出层组成。
9、进一步的,所述隐藏层的隐藏状态如下:
10、
11、上式中,φ为非线性激活函数,ht为训练过程中第t次迭代隐藏层的隐藏状态,whh为权重参数,ht-1为训练过程中第t-1次迭代隐藏层的隐藏状态,为训练过程中第t-1次迭代采用第i种负荷预测方法得到的负荷量,wi为第i种负荷预测方法对应的权重,bh为输出偏置项,k为负荷预测方法的总类别数。
12、进一步的,所述预先训练的循环神经网络rnn模型的训练过程中,采用的损失函数如下:
13、
14、上式中,σii为第i种负荷预测方法对应的预测误差。
15、进一步的,所述第i种负荷预测方法对应的权重如下:
16、
17、上式中,eit为第i种负荷预测方法基于第t条样本得到的负荷量,ejt为第j种负荷预测方法基于第t条样本得到的负荷量,n为训练过程中已使用的样本条数。
18、进一步的,所述第i种负荷预测方法对应的预测误差如下:
19、
20、进一步的,所述负荷预测方法包括:电力弹性系数法、平均增长率法、elman神经网络法。
21、进一步的,采用电力弹性系数法得到的负荷量如下:
22、a′=a0(1+βαk)t
23、上式中,a′为采用电力弹性系数法得到的负荷量,a0为基年的实际用电量,β为预测期采用的电力弹性系数,αk为预测期国民生产总值的年均增长率。
24、进一步的,采用平均增长率法得到的负荷量如下:
25、al=am(1+k)l-m
26、上式中,al为采用平均增长率法得到的第l年的负荷量,am为历史第m年的负荷量,k为从m年到l年电量的平均增长率,l为预测年份编号,m为历史年份编号,其中,所述从m年到l年电量的平均增长率如下:
27、
28、上式中,au为历史第u年的负荷量。
29、进一步的,采用elman神经网络法得到负荷量的过程如下:
30、将用电相关特征作为预先训练的elman神经网络模型的输入,得到预先训练的elman神经网络模型输出的负荷量。
31、第二方面,提供一种面向配电网的区域负荷精准预测装置,所述面向配电网的区域负荷精准预测装置包括:
32、获取模块,用于获取待测区域在预测期的预测特征数据;
33、分析模块,用于将预测期的预测特征数据作为预先训练的循环神经网络rnn模型的输入,得到预先训练的循环神经网络rnn模型输出的预测期的负荷量;
34、其中,所述预测特征数据包括:经济数据、历史负荷数据、当前负荷数据、用电相关特征。
35、第三方面,提供一种计算机设备,包括:一个或多个处理器;
36、所述处理器,用于存储一个或多个程序;
37、当所述一个或多个程序被所述一个或多个处理器执行时,实现所述的面向配电网的区域负荷精准预测方法。
38、第四方面,提供一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现所述的面向配电网的区域负荷精准预测方法。
39、本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
40、本发明提供了一种面向配电网的区域负荷精准预测方法及装置,包括:获取待测区域在预测期的预测特征数据;将预测期的预测特征数据作为预先训练的循环神经网络rnn模型的输入,得到预先训练的循环神经网络rnn模型输出的预测期的负荷量;其中,所述预测特征数据包括:经济数据、历史负荷数据、当前负荷数据、用电相关特征。本发明提供的技术方案,可以帮助电网合理安排供电计划,以满足用户的用电需求。通过预测负荷峰谷变化,可以合理分配电力资源,避免供电不足或浪费,并提供稳定、高质量的电能供应,以实现电力系统的安全可靠运行、运行成本的优化,具体的:
41、本发明中采用的循环神经网络rnn模型充分考虑电力弹性系数法、平均增长率法与elman神经网络预测方法的特点,并调节各个方法所占的权重,提供多种预测结果和预测精度,供需求者从中最优选择,从而尽可能的提高预测可信度。
1.一种面向配电网的区域负荷精准预测方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,所述经济数据包括:电力的年平均增长率、预测期国民生产总值的年均增长率、预测期预计的国民生产总值年均增长率;
3.如权利要求1所述的方法,其特征在于,所述预先训练的循环神经网络rnn模型由输入层、隐藏层、循环层和输出层组成。
4.如权利要求3所述的方法,其特征在于,所述隐藏层的隐藏状态如下:
5.如权利要求4所述的方法,其特征在于,所述预先训练的循环神经网络rnn模型的训练过程中,采用的损失函数如下:
6.如权利要求5所述的方法,其特征在于,所述第i种负荷预测方法对应的权重如下:
7.如权利要求6所述的方法,其特征在于,所述第i种负荷预测方法对应的预测误差如下:
8.如权利要求4所述的方法,其特征在于,所述负荷预测方法包括:电力弹性系数法、平均增长率法、elman神经网络法。
9.如权利要求8所述的方法,其特征在于,采用电力弹性系数法得到的负荷量如下:
10.如权利要求8所述的方法,其特征在于,采用平均增长率法得到的负荷量如下:
11.如权利要求8所述的方法,其特征在于,采用elman神经网络法得到负荷量的过程如下:
12.一种面向配电网的区域负荷精准预测装置,其特征在于,所述装置包括:
13.一种计算机设备,其特征在于,包括:一个或多个处理器;
14.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1至11中任意一项所述的面向配电网的区域负荷精准预测方法。