一种电气设备的短期负荷预测方法及系统

本发明涉及负荷预测，具体是一种电气设备的短期负荷预测方法及系统。

背景技术：

1、电力负荷预测主要是通过找到历史负荷数据中影响因素对于负荷的影响规律，然后将该影响规律规律运用到未来一段时间中，得到一定时间内的负荷预测值。在电力负荷预测中，很多因素不同程度地影响着电力负荷的预测值。如气象、生产计划、生产环境等。

2、现有的电力短期负荷预测主要是对整个区域的电网进行预测，但是整个配网中的用户组成较为复杂，进而导致配网负荷的影响因素较多。例如，整个配网内的用户包括居民、工厂、商场等。因此，在众多影响因素的影响下，对整个配网进行短期负荷预测，很容易出现不够准确的问题。

技术实现思路

1、有鉴于此，本发明的目的是提供一种电气设备的短期负荷预测方法及系统，以解决现有技术中预测的数据不够准确的问题。

2、为了实现上述目的，本发明采用了如下技术方案：

3、本发明的一种电气设备的短期负荷预测方法，包括步骤：

4、获取目标区域中多个终端变压器的在多个历史时间点的历史负荷数据、多个历史时间点采集的多种影响因子的历史值、以及未来时间点多种影响因子的预测值；

5、基于所述历史负荷数据以及所述多种影响因子的历史值从多个终端变压器中确定出目标终端变压器以及目标终端变压器的目标影响因子，其中，所述目标终端变压器为历史负荷数据随对应的目标影响因子变化的终端变压器；

6、基于所述历史负荷数据以及所述目标影响因子的历史值建立每个目标终端变压器的负荷预测模型，其中，所述负荷预测模型表征了目标终端变压器的负荷与对应的目标影响因子的值的对应关系；

7、基于目标影响因子的预测值和所述负荷预测模型进行预测，得到对应目标终端变压器在未来时间点的负荷值。

8、在本技术一实施例中，基于所述历史负荷数据以及所述多种影响因子的历史值从多个终端变压器中确定出目标终端变压器以及目标终端变压器的目标影响因子，包括：

9、构建多个二维数据集，其中，每个二维数据集包括一组影响因子对应的数据点，每个数据点包括一个时间点对应的影响因子的值以及一个时间点对应的历史负荷数据；

10、划定每种影响因子对应的多个连续取值范围，以使得二维数据集中的多个数据点落入至对应的多个连续取值范围中，其中，多个连续取值范围按照大小顺序或者时间顺序排列；

11、计算每种影响因子对应的每个连续取值范围中数据点的历史负荷数据的方差δi和平均值ai，并计算多种影响因子对应的平均值ai的方差δa；

12、将满足目标条件的影响因子作为目标影响因子，其中，所述目标条件包括：(1)存在超过n％的连续取值范围的方差δi均小于预设的第一阈值；(2)方差δa大于预设的第二阈值；

13、将存在至少一个目标影响因子的终端变压器作为目标终端变压器。

14、在本技术一实施例中，所述负荷预测模型为曲线模型，其中，基于所述历史负荷数据以及所述目标影响因子的历史值建立每个目标终端变压器的负荷预测模型，包括：

15、构建二维坐标系，其中，所述二维坐标系的横坐标为影响因子的值，所述二维坐标系的纵坐标为历史负荷数据；

16、将目标影响因子对应的多个连续取值范围中数据点的历史负荷数据的平均值ai映射至所述二维坐标系中，得到直方图；

17、将所述直方图进行样条曲线拟合，得到负荷预测曲线模型。

18、在本技术一实施例中，所述负荷预测模型为ai模型，其中，基于所述历史负荷数据以及所述目标影响因子的历史值建立每个目标终端变压器的负荷预测模型，包括：

19、基于多个历史时间点对应的目标影响因子的历史值和历史负荷数据构建训练数据，其中，所述历史负荷数据为训练数据的标签；

20、基于所述训练数据对人工神经网络进行训练，得到负荷预测模型。

21、在本技术一实施例中，基于目标影响因子的预测值和所述负荷预测模型进行预测，得到对应目标终端变压器在未来时间点的负荷值，包括：

22、将目标影响因子的预测值带入至负荷预测曲线模型中，得到一个或者多个预测值；

23、在所述预测值为一个时，将所述预测值作为对应目标终端变压器在未来时间点的负荷值；在所述预测值为多个时，对多个预测值进行加权求和，得到对应目标终端变压器在未来时间点的负荷值。

24、在本技术一实施例中，对多个预测值进行加权求和，得到对应目标终端变压器在未来时间点的负荷值，包括：

25、确定每个预测值fj的权重wj，其中，其中，为目标影响因子的多个连续取值范围对应的δi的平均值；

26、基于每个预测值fj的权重wj对多个预测值进行加权求和，得到对应目标终端变压器在未来时间点的负荷值

27、在本技术一实施例中，还包括：

28、对于所述多个终端变压器中不存在目标影响因子的终端变压器，通过预先建立的预测模型来对不存在目标影响因子的终端变压器的负荷进行预测。

29、在本技术一实施例中，还包括：

30、对所述多个终端变压器的负荷预测值进行求和，得到所述目标区域的负荷预测值。

31、在本技术一实施例中，所述影响因子至少包括目标区域的气温、空气湿度、风速和时间。

32、本技术还提供一种电气设备的短期负荷预测系统，包括：

33、获取模块，用于获取目标区域中多个终端变压器的在多个历史时间点的历史负荷数据、多个历史时间点采集的多种影响因子的历史值、以及未来时间点多种影响因子的预测值；

34、筛选模块，用于基于所述历史负荷数据以及所述多种影响因子的历史值从多个终端变压器中确定出目标终端变压器以及目标终端变压器的目标影响因子，其中，所述目标终端变压器为历史负荷数据随对应的目标影响因子变化的终端变压器；

35、模型构建模块，用于基于所述历史负荷数据以及所述目标影响因子的历史值建立每个目标终端变压器的负荷预测模型，其中，所述负荷预测模型表征了目标终端变压器的负荷与对应的目标影响因子的值的对应关系；

36、预测模块，用于基于目标影响因子的预测值和所述负荷预测模型进行预测，得到对应目标终端变压器在未来时间点的负荷值。

37、本发明还提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现如上所述的一种电气设备的短期负荷预测方法。

38、本发明还提供一种电子设备，包括：处理器、及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如上所述的一种电气设备的短期负荷预测方法。

39、本发明的有益效果是：本发明的一种电气设备的短期负荷预测方法及系统，通过获取目标区域中多个终端变压器的在多个历史时间点的历史负荷数据、多个历史时间点采集的多种影响因子的历史值、以及未来时间点多种影响因子的预测值；然后基于历史负荷数据以及多种影响因子的历史值从多个终端变压器中确定出目标终端变压器以及目标终端变压器的目标影响因子；基于历史负荷数据以及目标影响因子的历史值建立每个目标终端变压器的负荷预测模型；基于目标影响因子的预测值和负荷预测模型进行预测，得到对应目标终端变压器在未来时间点的负荷值。由于终端变压器对应的用户群体更加单一，其历史负荷数据更能体现规律性，因此本技术基于终端变压器对应的历史数据建立预测模型，从而使得预测模型能够体现更强的规律性。本技术先通过历史数据来确定每个终端变压器的目标影响因子，然后建立目标影响因子与对应终端变压器之间的预测模型，基于目标影响因子建立的预测模型，去除了其他影响因子的干扰，得到的预测结果更加准确。