一种短期全网最大用电负荷预测方法及系统与流程

技术特征：
1.一种短期全网最大用电负荷预测方法，其特征在于，包括以下步骤：s1，获取过往年度中目标时间段的用电负荷数据作为历史样本数据；s2，对所述历史样本数据进行预处理，消除异常数据；s3，基于回归分析法，利用历史样本数据对预测模型进行训练与优化；s4，将当前年度目标时间段的电网负荷的影响因素数据作为预测模型输入，预测当前年度目标时间段的全网最大用电负荷。2.根据权利要求1所述的短期全网最大用电负荷预测方法，其特征在于，所述的过往年度中目标时间段的用电负荷数据包括各地市电网负荷数据、各省电网负荷数据以及全网负荷数据，所述各地市电网负荷数据、各省电网负荷数据以及全网负荷数据中包含电网负荷值以及电网负荷的影响因素数据。3.根据权利要求2所述的短期全网最大用电负荷预测方法，其特征在于，所述步骤s3包括：基于分别利用各地市电网负荷数据、各省电网负荷数据以及全网负荷数据对预测模型进行训练与优化，得到各地市电网负荷预测模型、各省电网负荷预测模型以及全网负荷预测模型。4.根据权利要求3所述的短期全网最大用电负荷预测方法，其特征在于，所述步骤s4包括：利用当前年度目标时间段的电网负荷的影响因素数据作为各地市电网负荷预测模型、各省电网负荷预测模型以及全网负荷预测模型的输入，分别预测当前年度目标时间段的全网最大用电负荷，并根据历史年度目标时间段三种预测方法预测的准确程度和适用性，分配对应的预测值权重系数，综合采纳系统推荐值作为全网最大用电负荷预测值。5.根据权利要求2所述的短期全网最大用电负荷预测方法，其特征在于，对于各地市电网负荷数据，将所述各地市电网负荷数据拆分成训练数据和测试数据，并对所述训练数据和测试数据进行归一化处理；采用回归分析法利用所述训练数据以及测试数据对预测模型进行训练优化，得到优化后的预测模型；以目标时间段电网负荷影响因素数据作为模型输入得到各地市目标时间段每日的日最大负荷数据，并取其中的最大值作为目标时间段的最大用电负荷；根据电网同时率对各地市目标时间段的最大用电负荷进行汇总，进而得到各省目标时间段的最大用电负荷以及全网目标时间段的最大用电负荷。6.根据权利要求2所述的短期全网最大用电负荷预测方法，其特征在于，对于各省电网负荷数据，将所述各省电网负荷数据拆分成训练数据和测试数据，并对所述训练数据和测试数据进行归一化处理；采用回归分析法利用所述训练数据以及测试数据对预测模型进行训练优化，得到优化后的预测模型；以目标时间段电网负荷影响因素数据作为模型输入得到各省目标时间段每日的日最大负荷数据，并取其中的最大值作为目标时间段的最大用电负荷；根据电网同时率对各省目标时间段的最大用电负荷进行汇总，进而得到全网目标时间段的最大用电负荷。
7.根据权利要求1所述的短期全网最大用电负荷预测方法，其特征在于，对于全网负荷数据，将所述全网负荷数据拆分成训练数据和测试数据，并对所述训练数据和测试数据进行归一化处理；采用回归分析法利用所述训练数据以及测试数据对预测模型进行训练优化，得到优化后的预测模型；以目标时间段电网负荷影响因素数据作为模型输入得到全网目标时间段每日的日最大负荷数据，并取其中的最大值作为目标时间段的全网最大用电负荷。8.根据权利要求1所述的短期全网最大用电负荷预测方法，其特征在于，所述的对历史样本数据进行预处理，消除异常数据，包括采用水平处理或垂直处理方法对历史样本数据进行平稳化和确实数据的补遗；所述的水平处理包括：在分析数据时，将前后两个日期的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理的数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；所述的垂直处理包括：在负荷数据预处理时考虑其24h的小周期，认为不同日期的同一时刻的负荷应具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正为待处理数据的最近几天该时刻的平均值。9.一种短期全网最大用电负荷预测系统，其特征在于，包括：历史数据获取模块，获取过往年度中目标时间段的用电负荷数据作为历史样本数据；预处理模块，对所述历史样本数据进行预处理，消除异常数据；模型训练模块，基于回归分析法，利用历史样本数据对预测模型进行训练与优化；预测模块，将当前年度目标时间段的电网负荷的影响因素数据作为预测模型输入，预测当前年度目标时间段的全网最大用电负荷。10.根据权利要求9所述的短期全网最大用电负荷预测系统，其特征在于，所述预处理模块采用水平处理或垂直处理方法对历史样本数据进行平稳化和确实数据的补遗；所述的水平处理包括：在分析数据时，将前后两个日期的负荷数据作为基准，设定待处理数据的最大变动范围，当待处理的数据超过这个范围，就视为不良数据，采用平均值的方法平稳其变化；所述的垂直处理包括：在负荷数据预处理时考虑其24h的小周期，认为不同日期的同一时刻的负荷应具有相似性，同时刻的负荷值应维持在一定的范围内，对于超出范围的不良数据修正为待处理数据的最近几天该时刻的平均值。

技术总结
本发明涉及一种短期全网最大用电负荷预测方法及系统，获取过往年度中目标时间段的用电负荷数据作为历史样本数据；对所述历史样本数据进行预处理，消除异常数据；基于回归分析法，利用历史样本数据对预测模型进行训练与优化；将当前年度目标时间段的电网负荷的影响因素数据作为预测模型输入，预测当前年度目标时间段的全网最大用电负荷。通过本发明可以对节假日负荷进行预测，能掌握节假日前后的负荷水平和负荷变化规律，可以为调度人员制定发电计划提供有价值的参考数据，保证电网运行的安全稳定,保障人民群众的可靠用电，提高经济效益和社会效益。和社会效益。和社会效益。


技术研发人员：周良松 姚占东 陈宁锋 吕伟 郑明杰
受保护的技术使用者：武汉华飞智能电气科技有限公司
技术研发日：2021.07.21
技术公布日：2021/11/8