基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電力系統(tǒng)安全處理技術(shù)領(lǐng)域，具體地說是涉及一種基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)及方法。
【背景技術(shù)】
[0002]在當(dāng)前市場化運(yùn)營條件下，由于電力交易更加頻繁和經(jīng)營主體之間的區(qū)別，會出現(xiàn)各種不確定因素，同時負(fù)荷對于電價的敏感度也隨著市場的完善而逐漸增強(qiáng)，這些都給負(fù)荷預(yù)測帶來了新的難度，傳統(tǒng)的預(yù)測方法如時間序列法、多元線性回歸法和傅立葉分量法等雖然比較成熟、算法簡單，但本質(zhì)上都是線性模型方法，遇到非線性問題時就顯得無能為力，現(xiàn)在正在研究的預(yù)測方法主要有灰色預(yù)測模型、優(yōu)選組合預(yù)測、神經(jīng)網(wǎng)絡(luò)及專家系統(tǒng)等產(chǎn)，都已經(jīng)在實際中取得了較好的效果，但這幾種方法都存在不足之處。
[0003]影響電力負(fù)荷預(yù)測的問題主要有數(shù)據(jù)眾多、種類混雜且質(zhì)量差等，而對海量無規(guī)則數(shù)據(jù)進(jìn)行處理正是數(shù)據(jù)挖掘的強(qiáng)項。數(shù)據(jù)挖掘是一個從已數(shù)據(jù)集合中發(fā)現(xiàn)各種模型、概要和導(dǎo)出值的過程，它可以從大量數(shù)據(jù)中提取人們所需的知識。利用數(shù)據(jù)挖掘中的決策樹算法進(jìn)行負(fù)荷預(yù)測，可能對大量歷史數(shù)據(jù)進(jìn)行分析，綜合考慮多種因素，彌補(bǔ)了其他方法的不足，克服了人工方式的隨機(jī)性。電力負(fù)荷一般包括4個分量，周期變化的基本負(fù)荷、特殊天氣的敏感負(fù)荷、非正常日負(fù)荷、隨機(jī)變化的隨機(jī)負(fù)荷。對歷史數(shù)據(jù)進(jìn)行挖掘可以很好地預(yù)測出周期變化的基本負(fù)荷，但對于電力負(fù)荷的另外3個案分量，由于隨機(jī)性比較強(qiáng)，僅僅利用歷史數(shù)據(jù)是無法準(zhǔn)確預(yù)估的，加上算法本身存在的過度擬合以及噪聲敏感等問題，使得預(yù)測結(jié)果存在偏差。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對上述缺陷，提供一種基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)，充分考慮各種因素對負(fù)荷的影響，利用數(shù)據(jù)挖掘中的決策樹算法得到負(fù)荷與氣象之間的定量關(guān)系，再和專家系統(tǒng)相結(jié)合，根據(jù)待測日具體情況選取相應(yīng)的修正模型，對初步預(yù)測結(jié)果進(jìn)行修正，確定最終預(yù)測曲線。
[0005]為實現(xiàn)上述目的，本發(fā)明采用了如下的技術(shù)方案:
[0006]—種基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)，包括當(dāng)日氣象采集模塊、歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊、多個客戶端、服務(wù)器端和與服務(wù)器端相連接的用戶界面，所述服務(wù)器端包括依次相連數(shù)據(jù)準(zhǔn)備模塊、內(nèi)置能夠自我學(xué)習(xí)自我完善的決策樹數(shù)據(jù)庫的負(fù)荷預(yù)測模塊、內(nèi)置知識庫的專家系統(tǒng)模塊，所述歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊分別與數(shù)據(jù)準(zhǔn)備模塊相連接，所述當(dāng)日氣象采集模塊與負(fù)荷預(yù)測模塊連接，所述多個客戶端與專家系統(tǒng)模塊分別連接，所述數(shù)據(jù)準(zhǔn)備端負(fù)責(zé)將歷史數(shù)據(jù)模塊中的歷史負(fù)荷數(shù)據(jù)和歷史氣象數(shù)據(jù)、實況數(shù)據(jù)模塊中的實況負(fù)荷數(shù)據(jù)和實況氣象數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)挖掘所需的數(shù)據(jù)格式，并將該數(shù)據(jù)格式傳輸給負(fù)荷預(yù)測模塊；所述負(fù)荷預(yù)測模塊調(diào)用決策樹算法并結(jié)合當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況，給出初步負(fù)荷預(yù)測結(jié)果；所述專家系統(tǒng)模塊根據(jù)當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況確定待測日類型，并選擇相應(yīng)的修正模型來修正負(fù)荷預(yù)測模塊的初步負(fù)荷預(yù)測結(jié)果提交到用戶界面，所述用戶界面可以對挖掘算法的各項參數(shù)進(jìn)行設(shè)定。
[0007]基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)對短期電力負(fù)荷進(jìn)行預(yù)測的方法，該方法的步驟為:
[0008]1.1)取第N-1天的氣象數(shù)據(jù)和負(fù)荷數(shù)據(jù)；
[0009]1.2)求第N+1天的氣象數(shù)據(jù)基值和變化值；
[0010]1.3)用15min時間間隔將上述氣象數(shù)據(jù)分為96個表；
[0011]1.4)將每張表氣象數(shù)據(jù)、負(fù)荷數(shù)據(jù)代入挖掘模型，由決策樹算法計算負(fù)荷變化率，再由第N+1天的數(shù)據(jù)得到預(yù)測值；
[0012]1.5)將96個預(yù)測值繪制成曲線；
[0013]2.1)根據(jù)專家系統(tǒng)的知識庫和待測日的影響因素，將待測日進(jìn)行分類處理；
[0014]2.2)根據(jù)分類結(jié)果，選取相應(yīng)的修正模型，輸入相關(guān)影響因素，得到負(fù)荷修正量；
[0015]2.3)將初步預(yù)測結(jié)果和修正量相結(jié)合，確定最終預(yù)測結(jié)果。
[0016]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為:
[0017]本發(fā)明基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)，根據(jù)待測日具體情況進(jìn)行特別處理，充分考慮各種因素對負(fù)荷的影響，利用數(shù)據(jù)挖掘中的決策樹算法得到負(fù)荷與氣象之間的定量關(guān)系，再和專家系統(tǒng)相結(jié)合，根據(jù)待測日具體情況選取相應(yīng)的修正模型，對初步預(yù)測結(jié)果進(jìn)行修正，確定最終預(yù)測曲線。由于系統(tǒng)的開放性，可不斷根據(jù)需要增加的新的模型和知識，適應(yīng)更多情況下的負(fù)荷預(yù)測。
【附圖說明】
[0018]圖1為本發(fā)明的結(jié)構(gòu)示意圖。
【具體實施方式】
[0019]下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0020]如圖1所示，本發(fā)明基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)，包括當(dāng)日氣象采集模塊、歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊、多個客戶端、服務(wù)器端和與服務(wù)器端相連接的用戶界面，所述服務(wù)器端包括依次相連數(shù)據(jù)準(zhǔn)備模塊、內(nèi)置能夠自我學(xué)習(xí)自我完善的決策樹數(shù)據(jù)庫的負(fù)荷預(yù)測模塊、內(nèi)置知識庫的專家系統(tǒng)模塊，所述歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊分別與數(shù)據(jù)準(zhǔn)備模塊相連接，所述當(dāng)日氣象采集模塊與負(fù)荷預(yù)測模塊連接，所述多個客戶端與專家系統(tǒng)模塊分別連接，所述數(shù)據(jù)準(zhǔn)備端負(fù)責(zé)將歷史數(shù)據(jù)模塊中的歷史負(fù)荷數(shù)據(jù)和歷史氣象數(shù)據(jù)、實況數(shù)據(jù)模塊中的實況負(fù)荷數(shù)據(jù)和實況氣象數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)挖掘所需的數(shù)據(jù)格式，并將該數(shù)據(jù)格式傳輸給負(fù)荷預(yù)測模塊；所述負(fù)荷預(yù)測模塊調(diào)用決策樹算法并結(jié)合當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況，給出初步負(fù)荷預(yù)測結(jié)果；所述專家系統(tǒng)模塊根據(jù)當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況確定待測日類型，并選擇相應(yīng)的修正模型來修正負(fù)荷預(yù)測模塊的初步負(fù)荷預(yù)測結(jié)果提交到用戶界面，所述用戶界面可以對挖掘算法的各項參數(shù)進(jìn)行設(shè)定。
[0021]基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)對短期電力負(fù)荷進(jìn)行預(yù)測的方法，該方法的步驟為:
[0022]1.1)取第N-1天的氣象數(shù)據(jù)和負(fù)荷數(shù)據(jù)；
[0023]1.2)求第N+1天的氣象數(shù)據(jù)基值和變化值；
[0024]1.3)用15min時間間隔將上述氣象數(shù)據(jù)分為96個表；
[0025]1.4)將每張表氣象數(shù)據(jù)、負(fù)荷數(shù)據(jù)代入挖掘模型，由決策樹算法計算負(fù)荷變化率，再由第N+1天的數(shù)據(jù)得到預(yù)測值；
[0026]1.5)將96個預(yù)測值繪制成曲線；
[0027]2.1)根據(jù)專家系統(tǒng)的知識庫和待測日的影響因素，將待測日進(jìn)行分類處理；
[0028]2.2)根據(jù)分類結(jié)果，選取相應(yīng)的修正模型，輸入相關(guān)影響因素，得到負(fù)荷修正量；
[0029]2.3)將初步預(yù)測結(jié)果和修正量相結(jié)合，確定最終預(yù)測結(jié)果。
[0030]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1.一種基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)，其特征在于:該短期電力負(fù)荷預(yù)測系統(tǒng)包括當(dāng)日氣象采集模塊、歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊、多個客戶端、服務(wù)器端和與服務(wù)器端相連接的用戶界面，所述服務(wù)器端包括依次相連數(shù)據(jù)準(zhǔn)備模塊、內(nèi)置能夠自我學(xué)習(xí)自我完善的決策樹數(shù)據(jù)庫的負(fù)荷預(yù)測模塊、內(nèi)置知識庫的專家系統(tǒng)模塊，所述歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊分別與數(shù)據(jù)準(zhǔn)備模塊相連接，所述當(dāng)日氣象采集模塊與負(fù)荷預(yù)測模塊連接，所述多個客戶端與專家系統(tǒng)模塊分別連接，所述數(shù)據(jù)準(zhǔn)備端負(fù)責(zé)將歷史數(shù)據(jù)模塊中的歷史負(fù)荷數(shù)據(jù)和歷史氣象數(shù)據(jù)、實況數(shù)據(jù)模塊中的實況負(fù)荷數(shù)據(jù)和實況氣象數(shù)據(jù)轉(zhuǎn)換為數(shù)據(jù)挖掘所需的數(shù)據(jù)格式，并將該數(shù)據(jù)格式傳輸給負(fù)荷預(yù)測模塊；所述負(fù)荷預(yù)測模塊調(diào)用決策樹算法并結(jié)合當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況，給出初步負(fù)荷預(yù)測結(jié)果；所述專家系統(tǒng)模塊根據(jù)當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況確定待測日類型，并選擇相應(yīng)的修正模型來修正負(fù)荷預(yù)測模塊的初步負(fù)荷預(yù)測結(jié)果提交到用戶界面，所述用戶界面可以對挖掘算法的各項參數(shù)進(jìn)行設(shè)定。2.權(quán)利要求1所述的基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)對短期電力負(fù)荷進(jìn)行預(yù)測的方法，其特征在于，該方法的步驟為: 1.1)取第N-1天的氣象數(shù)據(jù)和負(fù)荷數(shù)據(jù)； 1.2)求第N+1天的氣象數(shù)據(jù)基值和變化值； 1.3)用15min時間間隔將上述氣象數(shù)據(jù)分為96個表； 1.4)將每張表氣象數(shù)據(jù)、負(fù)荷數(shù)據(jù)代入挖掘模型，由決策樹算法計算負(fù)荷變化率，再由第N+1天的數(shù)據(jù)得到預(yù)測值； 1.5)將96個預(yù)測值繪制成曲線； 2.1)根據(jù)專家系統(tǒng)的知識庫和待測日的影響因素，將待測日進(jìn)行分類處理； 2.2)根據(jù)分類結(jié)果，選取相應(yīng)的修正模型，輸入相關(guān)影響因素，得到負(fù)荷修正量； 2.3)將初步預(yù)測結(jié)果和修正量相結(jié)合，確定最終預(yù)測結(jié)果。
【專利摘要】本發(fā)明公開了一種基于決策樹和專家系統(tǒng)的短期電力負(fù)荷預(yù)測系統(tǒng)及方法，該系統(tǒng)包括當(dāng)日氣象采集模塊、歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊、多個客戶端、服務(wù)器端和用戶界面，服務(wù)器端包括數(shù)據(jù)準(zhǔn)備模塊、負(fù)荷預(yù)測模塊、專家系統(tǒng)模塊，歷史數(shù)據(jù)模塊、實況數(shù)據(jù)模塊分別與數(shù)據(jù)準(zhǔn)備模塊相連接，當(dāng)日氣象采集模塊與負(fù)荷預(yù)測模塊連接，多個客戶端與專家系統(tǒng)模塊分別連接；負(fù)荷預(yù)測模塊調(diào)用決策樹算法并結(jié)合當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況，給出初步負(fù)荷預(yù)測結(jié)果；專家系統(tǒng)模塊根據(jù)當(dāng)日氣象采集模塊所提供的天氣預(yù)報情況確定待測日類型，并選擇相應(yīng)的修正模型來修正負(fù)荷預(yù)測模塊的初步負(fù)荷預(yù)測結(jié)果提交到用戶界面。
【IPC分類】G06Q10/04, G06Q50/06
【公開號】CN105243456
【申請?zhí)枴緾N201510754023
【發(fā)明人】張佩, 李超
【申請人】國家電網(wǎng)公司, 國網(wǎng)河南沁陽市供電公司
【公開日】2016年1月13日
【申請日】2015年11月9日