【技術實現(xiàn)步驟摘要】
本專利技術涉及電力領域，尤其涉及一種配變重過載預測方法、系統(tǒng)、可讀存儲介質和計算機設備。
技術介紹
1、隨著我國居民消費水平的不斷提升以及國家電力基礎設施不斷完善，全國電力需求不斷增長。2024年01月18日，國家能源局發(fā)布2023年全社會用電量等數(shù)據(jù)，2023年全社會用電量92241億千瓦時，同比增長6.7％，增速比2022年提高3.1個百分點。根據(jù)中國電力企業(yè)聯(lián)合會《2023-2024年度全國電力供需形勢分析預測報告》，預計2024年全年全社會用電量9.8萬億千瓦時，比2023年增長6％左右；同時，預測未來3年，全國電力需求仍將保持剛性增長。
2、配電變壓器(簡稱“配變”)設備是電力傳輸?shù)接脩舻闹匾?jié)點，配變若長時間處于負荷過重、過載的狀態(tài)，一方面會降低設備壽命，另一方面也可能帶來線路故障、低壓線路末端用戶電壓偏低等。配變的電力負荷情況很大程度上決定了區(qū)域內的供電質量和安全。
3、預測未來一段時間的配變負荷和重過載情況，為供電系統(tǒng)的調控提供準確指導，使得供電所能提前針對配變重過載采取措施，是保障區(qū)域供電質量和安全的重要手段。
4、【現(xiàn)有技術現(xiàn)狀】
5、目前在配變電力負荷預測及重過載預測上已經有不少技術方法，這些方法總體上可以分為:
6、1)基于時間序列的統(tǒng)計分析方法；2)基于機器學習的方法；3)基于神經網絡的方法。
7、時間序列分析方法主要包含指數(shù)平滑模型法、自回歸方法和累積自回歸滑動平均方法,如論文[1]基于arima時間序列模型研究；論文[2]則基于
8、隨著深度學習的火熱，越來越多的研究采用神經網絡模型來進行電力負荷預測，比如論文[4]基于lstm+attention模型的典型配電臺區(qū)短期負荷預測方法，論文[5]基于attention機制的cnn-gru配網線路重過載短期預測方法。也有研究人員嘗試將多種方法融合，如論文[6]基于svm-stl-lstm的區(qū)域短期電力負荷預測研究。
9、[1]艾欣,周志宇,魏妍萍,等.基于自回歸積分滑動平均模型的可轉移負荷競價策略[j].電力系統(tǒng)自動化,2017,41(20):26-31+104；
10、[2]孫超,呂奇,朱思曈,等.基于雙層xgboost算法考慮多特征影響的超短期電力負荷預測[j].高電壓技術,2021,47(08):2885-2898；
11、[3]鄧威,梅玉杰,李勇,等.基于boxgboost的配變日峰值負荷預測及重過載預警方法[j].電力系統(tǒng)及其自動化學報,2024,36(07):49-58；
12、[4]黃朝凱,林洪浩,王柯成,等.基于lstm+attention模型的典型配電臺區(qū)短期負荷預測方法[j].微型電腦應用,2024,40(08):88-91；
13、[5]楊秀,胡鐘毓,田英杰,等.基于attention機制的cnn-gru配網線路重過載短期預測方法[j].電力科學與技術學報,2023,38(01):201-209；
14、[6]王晨,李又軒,吳其琦,等.基于svm-stl-lstm的區(qū)域短期電力負荷預測研究[j].水電能源科學,2024,42(04):215-218；
15、【現(xiàn)有技術缺陷】
16、1)基于時間序列的統(tǒng)計分析方法對數(shù)據(jù)平穩(wěn)性要求較高，同時單純的時間序列模型難以捕捉復雜的數(shù)據(jù)特征，當數(shù)據(jù)情況復雜、存在不規(guī)律波動時，預測精度會大幅下降。
17、2)基于機器學習的方法往往需要大量數(shù)據(jù)以及外部特征輸入才能得到較好的結果，對數(shù)據(jù)要求較高,模型可解性差。同時外部數(shù)據(jù)的收集與維護對用戶來說也有很高的成本。
18、3)基于神經網絡的預測方法往往實現(xiàn)復雜，需要大量數(shù)據(jù)，同時模型訓練時間長，需要較高計算資源(成本高)，并且模型可解釋性差，難以調試，在日常工作中使用受限。少數(shù)據(jù)時，這類技術會造成預測精度急劇下降。
技術實現(xiàn)思路
1、本專利技術旨在至少解決現(xiàn)有技術或相關技術中存在的技術問題之一。
2、為此，本專利技術的目的在于提供一種具可靠預測精度、簡單易實現(xiàn)、模型可解釋性較好等特點，并能良好應用于電力負荷數(shù)據(jù)的配變重過載預測方法及設備。
3、為實現(xiàn)上述目的，本專利技術第一方面的技術方案提供了一種配變重過載預測方法，包括：
4、獲取目標區(qū)域內的每日預設間隔時間的歷史電力負荷數(shù)據(jù)；
5、根據(jù)預設的stl時間序列分解算法對所述歷史電力負荷數(shù)據(jù)進行分解，獲得多個序列分量；
6、對所述序列分量進行特征提取，獲得序列特征分量；
7、根據(jù)預設預測模型預測對應所述序列特征分量的未來序列值，得到電力負荷預測數(shù)據(jù)；
8、根據(jù)預設評估模型對所述電力負荷預測數(shù)據(jù)進行準確率評估，得到樣本預測負載；
9、根據(jù)所述樣板預測負載計算樣本負載率；
10、根據(jù)預設重過載判斷閾值對所述樣本負載率進行重過載判斷。
11、在上述技術方案中，優(yōu)選地，所述序列分量包括趨勢分量、季節(jié)分量和殘差分量，根據(jù)預設的stl時間序列分解算法對所述歷史電力負荷數(shù)據(jù)進行分解，包括：
12、對所述歷史電力負荷數(shù)據(jù)使用局部加權回歸散點平滑算法進行初始分解，得到初始趨勢；
13、根據(jù)所述初始趨勢分別對所述歷史電力負荷數(shù)據(jù)中的季節(jié)項和趨勢項進行平滑迭代，得到所述季節(jié)分量和所述趨勢分量；
14、根據(jù)所述季節(jié)分量和所述趨勢分量計算得到所述殘差分量。
15、在上述技術方案中，優(yōu)選地，對所述歷史電力負荷數(shù)據(jù)使用局部加權回歸散點平滑算法進行初始分解，包括：
16、選擇長度為h的窗口，對于歷史電力負荷數(shù)據(jù)yt＝{y1，y2，...，yn},在擬合其中某一個點yi時，考慮作為參與局部加權擬合的數(shù)據(jù)點；
17、對于窗口內的每個數(shù)據(jù)點，根據(jù)每個數(shù)據(jù)點與中心點的距離,使用三權函數(shù)計算權重wj：
18、對于點yj在窗口內對于中心點yi的權重,當|yj-yi|≤1時,wj＝(1-|yj-yi|3)3,否則wj＝0；
19、使用加權后的窗口內數(shù)據(jù)點，擬合一階多項式y(tǒng)＝a+bx,通過最小化加權最小二乘法目標函數(shù)∑jwj(yj-a-bxj)2來估計系數(shù)a和b；
20、沿著時間序列移動窗口，重復上述步驟，從而得到一個平滑后初始趨勢估計
21、在上述技術方案中，優(yōu)選地，所述殘差分量的表達式為：rt＝y(tǒng)t-tt-st，其中，yt為歷史電力負荷數(shù)據(jù)，tt代表分解后的趨勢分量trend，st代表分解后的季節(jié)分量seasonal,rt代表分解后的負荷殘差分量residual；
22、根據(jù)所述初始趨勢分別對所述歷史電力負荷數(shù)據(jù)中的季節(jié)項和趨勢項進行平滑迭代，包括：
【技術保護點】
1.一種配變重過載預測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的配變重過載預測方法，其特征在于，所述序列分量包括趨勢分量、季節(jié)分量和殘差分量，根據(jù)預設的STL時間序列分解算法對所述歷史電力負荷數(shù)據(jù)進行分解，包括：
3.根據(jù)權利要求2所述的配變重過載預測方法，其特征在于，對所述歷史電力負荷數(shù)據(jù)使用局部加權回歸散點平滑算法進行初始分解，包括：
4.根據(jù)權利要求3所述的配變重過載預測方法，其特征在于，所述殘差分量的表達式為：Rt＝y(tǒng)t-Tt-St，其中，yt為歷史電力負荷數(shù)據(jù)，Tt代表分解后的趨勢分量Trend，St代表分解后的季節(jié)分量Seasonal，Rt代表分解后的負荷殘差分量Residual；
5.根據(jù)權利要求4所述的配變重過載預測方法，其特征在于，對所述序列分量進行特征提取，包括：
6.根據(jù)權利要求5所述的配變重過載預測方法，其特征在于，根據(jù)預設預測模型預測對應所述序列特征分量的未來序列值，包括：
7.根據(jù)權利要求6所述的配變重過載預測方法，其特征在于，
8.一種配變重過載預測系統(tǒng)，其特
9.一種可讀存儲介質，其特征在于，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7中任一項所述的配變重過載預測方法的步驟。
10.一種計算機設備，其特征在于，包括存儲介質和處理器；存儲介質，用于存儲計算機程序；處理器，用于執(zhí)行計算機程序以實現(xiàn)如權利要求1至7中任一項所述的配變重過載預測方法的步驟。
...【技術特征摘要】
1.一種配變重過載預測方法，其特征在于，包括：
2.根據(jù)權利要求1所述的配變重過載預測方法，其特征在于，所述序列分量包括趨勢分量、季節(jié)分量和殘差分量，根據(jù)預設的stl時間序列分解算法對所述歷史電力負荷數(shù)據(jù)進行分解，包括：
3.根據(jù)權利要求2所述的配變重過載預測方法，其特征在于，對所述歷史電力負荷數(shù)據(jù)使用局部加權回歸散點平滑算法進行初始分解，包括：
4.根據(jù)權利要求3所述的配變重過載預測方法，其特征在于，所述殘差分量的表達式為：rt＝y(tǒng)t-tt-st，其中，yt為歷史電力負荷數(shù)據(jù)，tt代表分解后的趨勢分量trend，st代表分解后的季節(jié)分量seasonal，rt代表分解后的負荷殘差分量residual；
5.根據(jù)權利要求...
【專利技術屬性】
技術研發(fā)人員：李金富，李發(fā)春，范順輝，吉云海，姚雪梅，李華，李文昌，胡文俊，劉朝輝，
申請(專利權)人：云南電網有限責任公司楚雄供電局，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。