一种基于多种不确定因素相似度匹配的母线负荷预测算法
【技术领域】
[0001] 本发明涉及一种预测算法，具体是一种基于多种不确定因素相似度匹配的母线负 荷预测算法。
【背景技术】
[0002] 母线负荷预测与系统负荷预测相比，具有以下特点：（1)母线负荷预测的基数较 小，所带负荷可能是单一的负荷种类，也可能是若干个负荷种类的综合；对单一负荷类型而 言，虽然其负荷特性明显，但负荷变化可能较大，不易把握每个时段的负荷水平，如钢铁厂 冲击负荷等；（2)系统中母线数量庞大，并且每条母线的变化规律各具特色，无法做到逐一 分析；（3)由于供电区域用户行为的影响，母线负荷稳定性较差，易产生突变；(4)有部分母 线，易受小电源发电、负荷转供及计划检修的影响，负荷规律并不明显；(5)历史积累的数 据不够足够准确，经常有异常数据出现；(6)受运行方式变化、小电厂挂接、设备检修、负荷 转供等相关因素影响大。因此，以上这些特有的特点增加了母线负荷预测的难度。
[0003]目前应用于母线负荷预测领域的预测方法可归为两大类：基于母线负荷自身变化 规律的预测方法和基于系统负荷分配的预测方法。两种预测方法的特点如下：（1)母线负 荷有其特有的变化规律，在进行母线负荷预测时可套用系统负荷预测的一些方法。但与系 统负荷不同的是母线负荷自身的变化规律不稳定，还易产生突变，导致单纯借鉴系统负荷 预测方法并不能获得很高的预测精度。
[0004] (2)利用分布因子法对系统负荷进行分配，预测思路是：第一步对系统负荷进行 预测，获得未来某一时刻全网的负荷值；之后进行母线负荷预测，按一定的比例因子把系统 负荷分配给每条母线。
[0005] 传统的分布因子法是从宏观角度的比例分配，缺乏微观分析，并且无法充分挖掘 母线负荷的本身特性，对于检修、转供等方式改变产生的母线负荷变化缺乏有效的处理办 法，因此预测精度不高，无法满足精细化管理的需要。
【发明内容】
[0006] 本发明的目的在于提供一种基于多种不确定因素相似度匹配的母线负荷预测算 法，以解决上述【背景技术】中提出的问题。
[0007] 为实现上述目的，本发明提供如下技术方案：
[0008] -种基于多种不确定因素相似度匹配的母线负荷预测算法，首先构建相关因素映 射库，通过对最近的d天历史样本数据进行模式匹配分析，计算所有历史日与待预测日的 相似度，并对所有历史日的相似度进行排序，选择排序靠前的n天作为相似日，对虚拟母线 负荷进行预测，在此基础上对预测日的各行业负荷进行拆分，（1)确定虚拟母线负荷预测用 的分配模型；（2)确定负荷分配模型参数；(3)对指定的时间和虚拟母线负荷进行预测；(4) 计算各行业负荷；
[0009] 将对应于预测日的虚拟母线负荷分配到各行业负荷上，首先对各负荷定义一个标 准负荷值，将其逐点相加就形成上一级负荷区的标准负荷，之后计算各负荷对上一级负荷 的标准负荷比值，之后按比例分配负荷预测值。
[0010]
[0011]
[0012] 其中：
[0013] PDK -母线k负荷预测值；
[0014] Kdk -母线k负荷的分配系数（常数）；
[0015] PDF-上一级负荷预测值，如果是最上级就是系统负荷预测值；
[0016] PQK -母线k负荷标准值（通常取日或周的峰荷）；
[0017] k= 1，2,…，n-母线序列号
[0018] 作为本发明再进一步的方案：第一步构建相关因素映射数据库选择影响负荷变化 的主要因素包括天气类型、日最高温度、最低温度、星期类型，建立指标映射数据库，然后把 不同因素值映射到一个可以相互比较的区间内，通过对各个相关因素的映射函数进行抽样 形成离散映射对，在抽样点之间插值求得映射后的取值；第二步，依照映射后的因素量化指 标确定日特征量的相似度，选取相似日，设有i、j两天，其各日的因素量化指标分别为xlk、 xjk，k= 1~m，其中m为每天所考虑的量化因素的数目，xlk、xjk均为非负数，定义第i天和 第j天相似度计算公式如下：
[0019] 这里的xjpxjk是将原相关因素值 ! 线性映射至[0, 1]之间的值，相似度概念用来描述两天之间相关因素的接近程度，k越接 近1，则两天的相关因素越相似，负荷的分布也就越相近；第三步，对选取的近期n天的数据 作为预测样本集，求取历史上各日与待预测日的相似度r1(]，i= 1，…n，采用以下公式进行 归一化处理咆=Q之后对相似度进行排序，选择相似度较大的d，d<n天的样 本数据作为相似日样本备用数据。
[0020] 与现有技术相比，本发明的有益效果是：本发明采取逐点分配因子解析行业负荷 特点的基础上，考虑气象因素、星期类型、运行方式变化等相关因素影响的系统负荷预测算 法，通过研究影响全网负荷的重点用户母线负荷节点，精细化把握电网各种负荷成分的特 性变化规律，加强负荷预测分级管理，全面提高负荷预测科学化和精细化水平。
【附图说明】
[0021] 图1为基于多种不确定因素相似度匹配的母线负荷预测算法的母线负荷预测流 程图；
[0022] 图2为基于多种不确定因素相似度匹配的母线负荷预测算法中树状常数负荷模 型亦意图；
[0023] 图3为基于多种不确定因素相似度匹配的母线负荷预测算法中系统负荷准确率 和合格率表格图；
[0024] 图4为基于多种不确定因素相似度匹配的母线负荷预测算法中工业行业负荷准 确率表格图；
[0025] 图5为基于多种不确定因素相似度匹配的母线负荷预测算法中母线负荷模型的 混合负荷模型树。
【具体实施方式】
[0026] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0027] 请参阅图1~5,本发明实施例中，一种基于多种不确定因素相似度匹配的母线负 荷预测算法，首先构建相关因素映射库，通过对最近的d天历史样本数据进行模式匹配分 析，计算所有历史日与待预测日的相似度，并对所有历史日的相似度进行排序，选择排序靠 前的n天作为相似日，对虚拟母线负荷进行预测，在此基础上对预测日的各行业负荷进行 拆分，（1)确定虚拟母线负荷预测用的分配模型；（2)确定负荷分配模型参数；(3)对指定的 时间和虚拟母线负荷进行预测；(4)计算各行业负荷；
[0028] 将对应于预测日的虚拟母线负荷分配到各行业负荷上，首先对各负荷定义一个标 准负荷值，将其逐点相加就形成上一级负荷区的标准负荷，之后计算各负荷对上一级负荷 的标准负荷比值，之后按比例分配负荷预测值。
[0029]
[0030]
[0031]其中：
[0032] PDK -母线k负荷预测值；
[0033] Kdk -母线k负荷的分配系数（常数）；
[0034] PDF-上一级负荷预测值，如果是最上级就是系统负荷预测值；
[0035] PQK -母线k负荷标准值（通常取日或周的峰荷）；
[0036] k= 1，2,…，n-母线序列号
[0037] 第一步构建相关因素映射数据库选择影响负荷变化的主要因素包括天气类型、日 最高温度、最低温度、星期类型，建立指标映射数据库，然后把不同因素值映射到一个可以 相互比较的区间内，通过对各个相关因素的映射函数进行抽样形成离散映射对，在抽样点 之间插值求得映射后的取值；第二步，依照映射后的因素量化指标确定日特征量的相似度， 选取相似日，设有i、j两天，其各日的因素量化指标分别为xlk、x]k，k= 1~m，其中m为每 天所考虑的量化因素的数目，xlk、xjk均为非负数，定义第i天和第j天相似度计算公式如 下：
[0038]
这里的xjPxjk是将原相关因素值 线性映射至[0, 1]之间的值，相似度概念用来描述两天之间相关因素的接近程度，k越接 近1，则两天的相关因素越相似，负荷的分布也就越相近；第三步，对选取的近期n天的数据 作为预测样本集，求取历史上各日与待预测日的相似度r1(]，i= 1，…n，采用以下公式进行 归一化处理4 = Zb之后对相似度进行排序，选择相似度较大的d，d<n天的样 / .，=.丨：，： 本数据作为相似日样本备用数据。
[0039] 母线负荷模型：对大型电力系统，负荷类型和区域划分的不一致性要考虑到自上 而下建立分层级的树状模型，涵盖符合类型、区域的层级关系，请参阅图5,在这一负荷层级 关系中，系统负荷高居顶层，负荷类型划分放到第二层，负荷类型包括工业、商业等，区域划 分放到第三层，包括地区、变电站等，母线负荷位于第四层。第一层系统负荷 PDF到第二层类 型负荷PTl间的分配系数是随时间变化；第二层类型负荷PTl到第三层区域负荷Pv]间的分配 系数既可以随时间变化，也可以是常数；第三层区域负荷Pv]到第四层母线负荷PJ司的分