一种基于季节性负荷层次化分析的负荷预警方法与流程

本发明涉及负荷预警，尤其涉及一种基于季节性负荷层次化分析的负荷预警方法。

背景技术：

1、在现代社会，随着工业化和城市化的快速发展，电力负荷的不断增加，导致电压不稳、电网运行不安全，供电能力不足，严重后果则会使电网大面积停电，甚至导致电网瘫痪，因此负荷预测和负荷预警成为了电力系统管理的重要任务。

2、传统的监测电网负荷的方法往往只考虑历史数据的统计特征，忽视了负荷的多元化和动态化。而在实际应用过程中，主变接入负荷特性的场景包括主变接入负荷特性模糊或明确的情况，不同场景下能够获取的数据并不相同，这都增加了负荷预测及负荷预警的实现难度。因此，如何更好地应对在配电网中可能出现的极端负荷情况，保障负荷预测和预警的准确性，是目前亟需解决的技术问题。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种基于季节性负荷层次化分析的负荷预警方法，用以解决现有技术中缺乏针对不同主变接入场景的负荷预测和预警方式导致的负荷预警准确性相对较低的问题。

2、本发明公开了一种基于季节性负荷层次化分析的负荷预警方法，所述方法包括：

3、获取主变接入负荷特性的场景，针对主变接入负荷特性模糊的场景，采用季节性综合分层负荷预测方法进行负荷预测，得到下一年度的负荷预测结果；针对主变接入负荷特性明确且负荷数据可独立获取的场景，采用季节性多元负荷预测方法分别对各类别的负荷进行负荷预测，得到各种类别的负荷在下一年度的负荷预测结果；

4、对所述下一年度的负荷预测结果进行聚类分析，获取聚类分析结果；

5、依据聚类分析结果进行主变极端负荷预警判断，得到预警结果。

6、在上述方案的基础上，本发明还做出了如下改进：

7、进一步，所述采用季节性综合分层负荷预测方法进行负荷预测，执行：

8、采集主变接入的上一年度的历史负荷数据，根据不同季节的历史负荷数据的波动情况，将上一年度的历史负荷数据分解为历史基准负荷数据和历史波动负荷数据；

9、采用时间序列法对所述历史基准负荷数据进行负荷预测，得到下一年度的预测基准负荷数据；

10、采用多因素负荷预测法，并结合上一年度的历史气象数据，对所述历史波动负荷数据进行负荷预测，得到下一年度的预测波动负荷数据；

11、对下一年度同一天、同一时段的预测基准负荷数据和预测波动负荷数据进行叠加，得到下一年度相应天中相应时段的负荷预测结果，最终得到下一年度的负荷预测结果。

12、进一步，所述将上一年度的历史负荷数据分解为历史基准负荷数据和历史波动负荷数据，执行：

13、分别计算上一年度的历史负荷数据中春季和秋季的典型日负荷曲线在各时段的平均值，作为历史基准负荷数据中相应时段的负荷数据；

14、分别计算上一年度的历史负荷数据中夏季和冬季的负荷曲线与历史基准负荷数据在对应时段的最大差值，作为历史波动负荷数据中相应时段的负荷数据。

15、进一步，所述采用季节性多元负荷预测方法进行负荷预测，执行：

16、根据主变接入的负荷特性，确定多元负荷的类型，并分别建立针对各类负荷的考虑季节性的预测模型；

17、利用针对各类负荷的考虑季节性的预测模型，得到相应类别的负荷在下一年度的负荷预测结果。

18、进一步，所述多元负荷分为输出型负荷、输入型负荷、输入输出型负荷；其中，

19、输出型负荷为分布式电源，包括光伏发电、水利发电、风力发电及生物质发电；

20、输入型负荷包括充电站、居民、商业、工业在内的纯负荷用户；

21、输入输出型负荷为储能。

22、进一步，针对主变接入负荷特性模糊的场景，对所述下一年度的负荷预测结果进行聚类分析，获取聚类分析结果，执行：

23、将下一年度的负荷预测结果按照季节进行划分，得到四个季节的负荷预测结果；

24、针对每个季节，以该季节的负荷预测结果中每个自然日的负荷预测结果为样本进行聚类，聚为若干类簇，建立每类簇的24小时负荷预测最大值曲线，并计算各类簇的出现概率；从所有类簇的24小时负荷预测最大值曲线中，分别选取各时段对应的负荷预测最大值及其对应的簇；连接各时段对应的负荷预测最大值，得到相应季节的最大负荷曲线；

25、汇总四个季节的最大负荷曲线，作为聚类分析结果。

26、进一步，针对主变接入负荷特性模糊的场景，依据聚类分析结果进行主变极端负荷预警判断，执行：

27、将聚类分析结果与主变判断阈值进行比较，若聚类分析结果中不存在超出主变判断阈值的负荷预测最大值，则不进行预警；

28、否则，针对每个季节，将最大负荷曲线中每一超出主变判断阈值的时段分别作为预警排查时段，获取各预警排查时段对应的簇；分别从每一预警排查时段对应的簇中筛选出在预警排查时段超出主变判断阈值的样本，并将该样本在预警排查时段的负荷预测结果作为预警数据，将筛选出的样本的日期及预警排查时段作为预警时间，将该簇的出现概率作为预警概率；将预警数据、预警时间及与预警概率作为预警结果进行输出。

29、进一步，针对主变接入负荷特性明确且负荷数据可独立获取的场景，对所述下一年度的负荷预测结果进行聚类分析，获取聚类分析结果，执行：

30、将下一年度的负荷预测结果按照季节进行划分，得到四个季节的负荷预测结果；

31、针对每个季节中的每种类别的负荷，以该季节中该类别的负荷的负荷预测结果中每个自然日的负荷预测结果为样本进行聚类，聚为若干类簇，建立每类簇的24小时负荷预测最大值曲线，并计算各类簇的出现概率；分别选取各时段对应的负荷预测最大值及其对应的簇；连接各时段对应的负荷预测最大值，得到相应季节中相应类别的负荷的最大负荷曲线；

32、叠加相应季节中所有类别的负荷的最大负荷曲线，在每一时段，各种类别的负荷的负荷预测最大值对应的簇的出现概率相乘、负荷预测最大值相加，得到相应季节的主变多元负荷最大值曲线；

33、汇总四个季节的主变多元负荷最大值曲线，作为聚类分析结果。

34、进一步，针对主变接入负荷特性明确且负荷数据可独立获取的场景，依据聚类分析结果进行主变极端负荷预警判断，执行：

35、将聚类分析结果与主变判断阈值进行比较，若聚类分析结果中不存在超出主变判断阈值的主变多元负荷最大值，则不进行预警；

36、否则，针对每个季节，将主变多元负荷最大值曲线中每一超出主变判断阈值的时段分别作为预警排查时段，获取各预警排查时段对应的各类别的负荷的簇的组合；

37、将每一预警排查时段对应的各类别的负荷的簇的组合中所涉及的每一交叉日期中不同类别的负荷的样本的负荷预测值相加，将负荷预测值相加结果超出主变判断阈值的负荷预测结果作为预警数据、对应的交叉日期及预警排查时段作为预警时间、将该簇的组合的出现概率作为预警概率；将预警数据、预警时间及与预警概率作为预警结果进行输出。

38、进一步，采用k均值聚类法对所述下一年度的负荷预测结果进行聚类分析。

39、与现有技术相比，本发明至少可实现如下有益效果之一：

40、本发明提供的基于季节性负荷层次化分析的负荷预警方法，能够针对不同场景下的接入负荷特性，给出相应的负荷预测方式，从而得到更为精确的负荷预测结果，并通过聚类分析方式确定最大负荷发生的时段，据此进行后续的预警判断，最终得到负荷预警结果。因此，本发明针对不同主变接入场景提出了相应的负荷预测和预警方式，从而使得负荷预警准确性得到了有效提高，对保障配电网的安全稳定运行具有重要意义。

41、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。