一种基于HPLC的空间负荷预测方法及预测系统与流程

一种基于hplc的空间负荷预测方法及预测系统
技术领域
1.本发明涉及电力负荷预测技术领域，具体而言，涉及一种基于hplc的空间负荷预测方法及预测系统。


背景技术：

2.科学的预测是正确决策的依据和保证。负荷预测是电力系统领域的一个传统研究问题,它是指从已知的电力系统、经济、社会、气象等情况出发,通过对历史数据的分析和研究，探索事物之间的内在联系和发展变化规律，对负荷发展做出预先估计和推测。负荷预测是电力系统规划、计划、用电、调度等部门的基础工作，其重要性早已被人们所认识。
3.随着对电力系统的管理由粗放型向精益化的转变，传统负荷预测已不能满足电力系统规划的要求，因此空间电力负荷预测问题的研究越来越受关注。空间电力负荷预测也称空间负荷预测，是指对供电区域内未来电力负荷的大小和位置的预测，亦或是对指定区域内电力负荷时空分布的预测，这为提高电力系统建设的经济性、高效性、可靠性创造了条件。而空间电力负荷预测所需基础数据比较庞杂，数据的采集、传输、存储过程是空间电力负荷预测的关键。传统负荷预测方法只预测未来负荷的大小，并不给出其较为精细的位置分布，因此，给电力负荷的预测带来了一定的局限性。
4.有鉴于此，特提出本技术。


技术实现要素：

5.本发明所要解决的技术问题是无法预测具体发生负荷的精细位置分布，目的在于提供一种基于hplc的空间负荷预测方法及预测系统，能够实现查找发生负荷大小对应的具体位置。
6.本发明通过下述技术方案实现：
7.一种基于hplc的空间负荷预测方法，预测方法步骤包括：
8.s1：获取第一数据，并基于hplc单元将所述第一数据划分为n个元胞，所述第一数据为基于hplc单元采集的待预测负荷区域的用户用电数据；
9.s2：对每个所述元胞进行数据处理，获得第二数据；
10.s3：采用支持向量机方法对所述第二数据进行处理，获得每个所述元胞的使用面积、负荷密度以及用地评分；
11.s4：基于元胞用地评分与所述负荷密度，计算获得每个所述元胞负荷的时空分布；
12.s5：基于每个所述元胞负荷的时空分布，采用支持向量机方法，计算获得待预测负荷区域的系统负荷。
13.采用传统的电力负荷预测方法，往往只能预测对未来负荷的大小，但是需要对该负荷精细位置进行确定的时候，无法给出一个具体的位置；本发明提供了一种基于hplc的空间负荷预测方法，通过对采集的电力数据进行元胞分区域处理，，不仅能有效提升空间负荷预测过程中对用电数据的的采集、传输和存储能力，从而提高空间负荷预测的准确性，而
且能更加精准合理的生成元胞(划分供电小区)，为合理的描述和刻画空间电力负荷创造了条件。
14.优选地，所述步骤s2的具体操作步骤为：对每个所述元胞中的缺失数据、偏差数据进行剔除，获得第二数据。
15.优选地，所述步骤s3的具体操作步骤为：采用支持向量机方法对所述第二数据进行处理，获得每个所述元胞的用地面积以及每个所述元胞的负荷密度；
16.基于每个所述元胞的用地面积，采用支持向量机方法，计算获得每个所述元胞用地评分。
17.优选地，所述步骤s3～步骤s5具体实现过程为：
[0018][0019]
f1将元胞(x,y)的特征f
(x,y)
映射成土地使用面积l
(x,y)
；
[0020]
f2将土地使用面积l
(x,y)
映射成元胞负荷s
(x,y)
；
[0021]
f3将元胞负荷累加成系统负荷s
t
。
[0022]
优选地，所述f1具体步骤计算式为：
[0023]
f1＝f1′
&f1″
[0024]
f1：f
(x,y)
→
p
(x,y)
，即把元胞的空间属性f
(x,y)
映射成元胞用地评分p
(x,y)
；f1＂:p
(x,y)
→
l
(x,y)
，即把用地评分映射成用地分布l
(x,y)
。
[0025]
优选地，所述f2与f3的具体表达式分别为：
[0026][0027][0028]st
为元胞负荷累加成的系统负荷，s
(x,y)
为将土地使用面积l
(x,y)
映射成的元胞负荷，m为土地使用类型的数目；lci为第i类的负荷密度；l
i(x,y)
和s
i(x,y)
分别表示元胞(x,y)的第i类土地使用面积和负荷。
[0029]
本发明还提供了一种基于hplc的空间负荷预测系统，预测系统包括数据采集模块、数据预处理模块、用地决策模块、负荷时空分布预测模块以及匹配系统负荷预测模块，
[0030]
所述数据采集模块，用于获取第一数据，并基于hplc单元将所述第一数据划分为n个元胞，所述第一数据为基于hplc单元采集的待预测负荷区域的用户用电数据；
[0031]
所述数据预处理模块，用于对每个所述元胞进行数据处理，获得第二数据；
[0032]
所述用地决策模块，用于采用支持向量机方法对所述第二数据进行处理，获得每个所述元胞的使用面积、负荷密度以及用地评分；
[0033]
所述负荷时空分布预测模块，用于基于元胞用地评分与所述负荷密度，计算获得每个所述元胞负荷的时空分布；
[0034]
所述匹配系统负荷预测模块，用于基于每个所述元胞负荷的时空分布，采用支持向量机方法，计算获得待预测负荷区域的系统负荷。
[0035]
优选地，所述数据采集模块包括智能电表与hplc单元，所述hplc单元用于采集所述智能电表上的用电数据。
[0036]
优选地，所述数据预处理模块包括数据存储单元与数据异常诊断单元，所述数据
存储单元用于存储所述第一数据，所述数据异常诊断单元用于对每个所述元胞的缺失数据、偏差数据进行剔除处理，获得所述第二数据。
[0037]
优选地，所述用地决策模块包括分类用地面积预测单元、分类负荷密度预测单元以及元胞用地评分单元，
[0038]
所述分类用地面积预测单元用于基于支持向量机方法，对所述第二数据进行处理，获得每个所述元胞的用地面积；
[0039]
所述分类负荷密度预测单元用于基于支持向量机方法，对所述第二数据进行处理，获得每个所述元胞的负荷密度；
[0040]
所述元胞用地评分单元用于基于每个所述元胞的用地面积，进行计算处理，获得每个所述元胞的用地评分。
[0041]
本发明与现有技术相比，具有如下的优点和有益效果：
[0042]
1、本发明实施例提供的一种基于hplc的空间负荷预测方法及预测系统，hplc技术能够实现对用电数据的高频率采集、高速率传输和同步存储功能，能有效提升空间负荷预测过程中对用电数据的的采集、传输和存储能力，从而提高空间负荷预测的准确性；
[0043]
2、本发明实施例提供的一种基于hplc的空间负荷预测方法及预测系统，，hplc技术还能实现台区识别功能，即识别不同hplc网络的工作台区，从而能更加精准合理的生成元胞(划分供电小区)，为合理的描述和刻画空间电力负荷创造了条件。
附图说明
[0044]
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0045]
图1为预测系统示意图
[0046]
图2为预测方法示意图
具体实施方式
[0047]
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
[0048]
在以下描述中，为了提供对本发明的透彻理解阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实施例中，为了避免混淆本本发明，未具体描述公知的结构、电路、材料或方法。
[0049]
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。这里使用的术语“和/
或”包括一个或多个相关列出的项目的任何和所有组合。
[0050]
在本发明的描述中，术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
[0051]
实施例一
[0052]
本实施例公开了一种基于hplc的空间负荷预测方法，如图2所示，hplc技术是一种高速电力线通信技术，电力线通信技术是指利用电力线作为通信介质进行数据传输的一种通信技术。由于电力线是最普及、覆盖范围最为广阔的一种物理媒体，利用电力线传输数据信息具有极大的便捷性。hplc技术能够实现对用电数据的高频率采集、高速率传输和同步存储功能，能有效提升空间负荷预测过程中对用电数据的的采集、传输和存储能力，从而提高空间负荷预测的准确性。同时，hplc技术还能实现台区识别功能，即识别不同hplc网络的工作台区，从而能更加精准合理的生成元胞(划分供电小区)，为合理的描述和刻画空间电力负荷创造了条件。
[0053]
预测方法步骤包括：
[0054]
s1：获取第一数据，并基于hplc单元将所述第一数据划分为n个元胞，所述第一数据为基于hplc单元采集的待预测负荷区域的用户用电数据；
[0055]
在步骤s1中，采集的用电数据是基于hplc单元进行采集的，hplc单元具有台区识别功能，即能够识别不同hplc网络的工作台区，能够将电力数据划分为n个精准的元胞数据模式，为后面步骤对元胞进行处理，打下来坚实的基础。
[0056]
s2：对每个所述元胞进行数据处理，获得第二数据；
[0057]
所述步骤s2的具体操作步骤为：对每个所述元胞中的缺失数据、偏差数据进行剔除并修订，获得第二数据。
[0058]
在步骤s2中，获得的元胞数据中，会存在一部分有缺陷的数据，有点是数据缺失，有的会有偏差数据，在对电力负荷进行预测的时候，需要将这些有缺陷的数据进行剔除并修订，保证后续能够实现对数据进行精准处理。
[0059]
s3：采用支持向量机方法对所述第二数据进行分析，获得每个所述元胞的用地评分；
[0060]
所述步骤s3的具体操作步骤为：采用支持向量机方法对所述第二数据进行分析，结合在gis(地理信息系统)平台上提取的各元胞的空间信息，将其空间属性与用地需求相匹配，得到用于每个所述元胞的用地评分。同时，结合已知的整个预测区域的总量负荷预测结果与分类负荷密度预测结果，推导出未来各用地类型的使用面积。
[0061]
该方法首先在待预测区域内按照等大小网格生成元胞，然后在gis(地理信息系统)平台上提取各元胞的空间信息，并利用主成分分析法对元胞的空间信息进行处理，实现元胞属性的简化，形成支持向量机(support vector machine，svm)的训练样本集，用训练好的svm算出元胞属性值，最后将其与待预测区域未来的发展规划相结合，并利用分类负荷密度得出slf结果.
[0062]
s4：基于元胞用地评分与所述分类负荷密度预测值，计算获得每个所述元胞负荷的时空分布；
[0063]
在步骤s4中，采用的是上一步骤计算出来的每个元胞的用地评分，在基于每个元胞计算出来的负荷密度以及每个元胞的用地评分进行计算的，采用的计算方法也是支持向量机方法。
[0064]
s5：基于每个所述元胞负荷的时空分布，采用支持向量机方法，计算获得待预测负荷区域的系统负荷。
[0065]
在整个预测方法中，步骤s3～步骤s5具体实现过程为：
[0066][0067]
f1将元胞(x,y)的特征f
(x,y)
映射成土地使用面积l
(x,y)
；f2将土地使用面积l
(x,y)
映射成元胞负荷s
(x,y)
；f3将元胞负荷累加成系统负荷s
t
。
[0068]
所述f1具体步骤计算式为：
[0069]
f1＝f1′
&f1″
[0070]
f1：f
(x,y)
→
p
(x,y)
，即把元胞的空间属性f
(x,y)
映射成元胞用地评分p
(x,y)
；f1＂:p
(x,y)
→
l
(x,y)
，即把用地评分映射成用地分布l
(x,y)
。
[0071]
所述f2与f3的具体表达式分别为：
[0072][0073][0074]st
为元胞负荷累加成的系统负荷，s
(x,y)
为将土地使用面积l
(x,y)
映射成的元胞负荷，m为土地使用类型的数目；lci为第i类的负荷密度；l
i(x,y)
和s
i(x,y)
分别表示元胞(x,y)的第i类土地使用面积和负荷。
[0075]
本实施例提供的一种基于hplc的空间负荷预测方法，采用的hplc技术相结合来预测电力负荷，hplc技术能够实现对用电数据的高频率采集、高速率传输和同步存储功能，能有效提升空间负荷预测过程中对用电数据的的采集、传输和存储能力，从而提高空间负荷预测的准确性。同时，hplc技术还能实现台区识别功能，即识别不同hplc网络的工作台区，从而能更加精准合理的生成元胞(划分供电小区)，为合理的描述和刻画空间电力负荷创造了条件。
[0076]
实施例二
[0077]
本实施例公开了一种基于hplc的空间负荷预测系统，如图1所示，本实施例是为了实现实施例一中的预测方法，预测系统包括数据采集模块、数据预处理模块、用地决策模块、负荷时空分布预测模块以及匹配系统负荷预测模块，
[0078]
数据采集模块，用于获取第一数据，并基于hplc单元将所述第一数据划分为n个元胞，所述第一数据为基于hplc单元采集的待预测负荷区域的用户用电数据；
[0079]
所述数据采集模块包括智能电表与hplc单元，所述hplc单元用于采集所述智能电表上的用电数据。
[0080]
所述数据预处理模块包括数据存储单元与数据异常诊断单元，所述数据存储单元用于存储所述第一数据，所述数据异常诊断单元用于对每个所述元胞的缺失数据、偏差数据进行剔除处理，获得所述第二数据。
[0081]
数据预处理模块，用于对每个所述元胞进行数据处理，获得第二数据；
[0082]
用地决策模块，用于采用支持向量机方法对所述第二数据进行处理，获得每个所述元胞用地评分；
[0083]
所述用地决策模块包括分类用地面积预测单元、分类负荷密度预测单元以及元胞用地评分单元，
[0084]
所述分类用地面积预测单元用于基于支持向量机方法，对所述第二数据进行处理，获得每个所述元胞的用地面积；所述分类负荷密度预测单元用于基于支持向量机方法，对所述第二数据进行处理，获得每个所述元胞的负荷密度；所述元胞用地评分单元用于基于每个所述元胞的用地面积，进行计算处理，获得每个所述元胞的用地评分。
[0085]
负荷时空分布预测模块，用于基于元胞用地评分与所述第四数据，计算获得每个所述元胞负荷的时空分布；
[0086]
负荷时空分布预测模块包括元胞负荷预测单元，元胞负荷预测单元用于在元胞用地评分单元得到的元胞用地评分的基础上得到元胞用地分布，并结合分类负荷密度单元得到的各类负荷密度去预测元胞负荷的时空分布。
[0087]
匹配系统负荷预测模块，用于基于每个所述元胞负荷的时空分布，采用支持向量机方法，计算获得待预测负荷区域的系统负荷。
[0088]
匹配系统负荷预测模块5包括系统负荷预测单元，系统负荷预测单元用于在元胞负荷预测单元13得到的元胞负荷的时空分布的基础上得到预测的匹配后的系统的负荷。
[0089]
工作原理：
[0090]
通过hplc单元采集智能电表中用户的用电数据，并将该用电数据进行元胞处理后，将预测区域按照hplc单元得到的台区识别结果划分为众多的小网格，每个网格为一个元胞，传输到数据预处理模块中，在数据预处理模块中，通过数据异常诊断单元剔除坏数据，通过数据存储单元存储处理过后的用电数据；在分析每个元胞的空间数据及相关信息的基础上，通过分类用地面积预测单元预测各类用地的使用面积，结合各类用地的使用面积，通过元胞用地评分单元得到元胞的用地评分，建立元胞用地分配模型，结合分类负荷密度预测单元得到的分类负荷密度预测值，通过元胞负荷预测单元得到元胞负荷的时空分布，进而通过系统负荷预测单元得到预测区域内匹配后的系统负荷。
[0091]
本实施例提供的一种基于hplc的空间负荷预测系统，hplc数据采集模块智能电表、hplc单元，hplc单元安装在智能电表上，用于采集用户的用电数据，并输送采集到的用户的用电数据，特别的，hplc单元具有高频率采集、高速率传输的特点，能有效提升空间负荷预测过程中对用电数据的的采集、传输和存储能力，从而提高空间负荷预测的准确性。
[0092]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。