一种基于大数据技术的电力系统短期负荷预测方法

摘要

本发明提供一种基于大数据技术的电力系统短期负荷预测方法，利用数据挖掘技术实现用户级的负荷预测，并累加形成系统负荷，包括以下步骤：负荷曲线聚类分析，将形状特征相似的负荷曲线归为一类；确立关键影响因素，达到约简分类规则，简化预测模型的目的；建立分类规则，采用CART决策树算法，得到凝聚层次聚类分析结果；将待预测日分类；训练预测模型并预测，根据得出的待预测日的分类结果，选用对应的支持向量机模型完成预测；计算系统负荷该步骤在Hadoop大数据计算平台上完成。本发明研究一种针对用户级的负荷预测框架，并利用数据挖掘方法发掘用户用电行为规律，提高了负荷预测的精度。

主权项

一种基于大数据技术的电力系统短期负荷预测方法，包括如下步骤：(1)负荷曲线聚类分析。对待预测日前一年的历史负荷数据进行以天为单位的凝聚层次聚类分析，将形状特征相似的负荷曲线归为一类；(2)确立关键影响因素。结合历史负荷及天气数据计算灰色关联分析结果，并对结果排序得出影响负荷的关键影响因素；(3)建立分类规则，以层次聚类分析结果及关键影响因素为输入，采用CART算法建立决策树，得到凝聚层次聚类分析结果；(4)将待预测日分类。将待预测日的关键因素日特征向量数据输入决策树，得到待预测日的分类结果；(5)训练预测模型并预测。选取相应类中的历史负荷数据训练支持向量机模型，根据步骤4中得出的待预测日的分类结果，选用对应的支持向量机模型完成预测；(6)计算系统负荷。针对预测目标电网中的所有用户，重复以上步骤，累加所有用户负荷并叠加网损负荷得到整个电网的系统级负荷。