荷曲線；負(fù) 荷預(yù)測模炔基于BP神經(jīng)網(wǎng)絡(luò)，將輸入的典型負(fù)荷曲線數(shù)據(jù)作為輸入變量，區(qū)域電網(wǎng)負(fù)荷數(shù) 據(jù)作為輸出變量，訓(xùn)練后得到網(wǎng)絡(luò)模型并進(jìn)行預(yù)測以得到區(qū)域電網(wǎng)負(fù)荷預(yù)測值；其中BP神 經(jīng)網(wǎng)絡(luò)模型包括輸入層，隱含層以及輸出層3層，其中輸入層輸入變量為典型日負(fù)荷曲線 值，輸出層輸出變量為區(qū)域電網(wǎng)負(fù)荷值。
[0023] 采用FCM模糊聚類將初步處理后的負(fù)荷樣本數(shù)據(jù)分為10類樣本數(shù)據(jù)，選取各類樣 本數(shù)據(jù)的平均值作為典型日負(fù)荷曲線；其中采用FCM模糊聚類進(jìn)行分類的步驟為 第一步，將總樣本集為_€:龜#中的全體負(fù)荷樣本數(shù)據(jù)分為10類樣本數(shù)據(jù)， 并選定10個初始聚類中心； 第二步，根據(jù)最小距離原則將每個負(fù)荷樣本數(shù)據(jù)分別分配到10類樣本數(shù)據(jù)中，不斷迭 代計算各類的聚類中心并依據(jù)新的聚類中心調(diào)整聚類情況，使用隸屬度函數(shù)和距離定義的 聚類目標(biāo)函數(shù)J達(dá)到最小，其中距離定義采用歐式距離。；也即是不斷迭代計算各類的聚類 中心并依據(jù)新的聚類中心調(diào)整聚類情況，直到迭代收斂或聚類中心不再改變?yōu)橹埂?br>[0024] 負(fù)荷預(yù)測模塊將得到的區(qū)域電網(wǎng)負(fù)荷預(yù)測值分別傳輸至圖形化界面模塊和數(shù)據(jù) 庫。
[0025] 步驟（1)中的初步處理為去除異常負(fù)荷數(shù)據(jù)、補(bǔ)全缺省負(fù)荷數(shù)據(jù)，并根據(jù)季節(jié)天氣 選取不同的負(fù)荷樣本數(shù)據(jù)，將負(fù)荷樣本數(shù)據(jù)進(jìn)行歸一化處理；可通過以下變換公式實現(xiàn)歸 一化處理： 平移標(biāo)準(zhǔn)差的數(shù)據(jù)變換：
其中，
」表示第個樣本的第個特性指標(biāo)。
[0026] 經(jīng)過上面的變換后，如果?不在區(qū)間[0, 1]上，就需要做平移極差的數(shù)據(jù)變換。
[0027] 平移極差的數(shù)據(jù)變換：
平移極差的數(shù)據(jù)變換可以得到〇玄A、^，而且量綱對數(shù)據(jù)造成的影響也得以消 除。
其中，為歸一化后的樣本數(shù)列。
[0029]負(fù)荷預(yù)測模塊將得到的區(qū)域電網(wǎng)負(fù)荷預(yù)測值存入數(shù)據(jù)庫，并傳輸至圖形界面模 塊；圖形界面模塊對系統(tǒng)運(yùn)行狀態(tài)進(jìn)行監(jiān)控，并為工作人員提供修改調(diào)制功能 綜上所述，本發(fā)明已如說明書及圖示內(nèi)容，制成實際樣品且經(jīng)多次使用測試，從使用測 試的效果看，可證明本發(fā)明能達(dá)到其所預(yù)期之目的，實用性價值乃無庸置疑。以上所舉實施 例僅用來方便舉例說明本發(fā)明，并非對本發(fā)明作任何形式上的限制，任何所屬技術(shù)領(lǐng)域中 具有通常知識者，若在不脫離本發(fā)明所提技術(shù)特征的范圍內(nèi)，利用本發(fā)明所揭示技術(shù)內(nèi)容 所作出局部更動或修飾的等效實施例，并且未脫離本發(fā)明的技術(shù)特征內(nèi)容，均仍屬于本發(fā) 明技術(shù)特征的范圍內(nèi)。
【主權(quán)項】
1. 一種區(qū)域電網(wǎng)的負(fù)荷預(yù)測系統(tǒng)，其特征在于：包括對區(qū)域電網(wǎng)負(fù)荷信息進(jìn)行采集的 反向隔離裝置，反向隔離裝置連接有用于對從電網(wǎng)采集到的負(fù)荷信息進(jìn)行初始處理的數(shù)據(jù) 處理模塊，數(shù)據(jù)處理模塊連接有用于對區(qū)域電網(wǎng)的負(fù)荷進(jìn)行分類的負(fù)荷分類模塊，負(fù)荷分 類模塊連接有用于對分類后負(fù)荷數(shù)據(jù)進(jìn)行訓(xùn)練并預(yù)測區(qū)域電網(wǎng)負(fù)荷功率的負(fù)荷預(yù)測模塊， 負(fù)荷預(yù)測模塊與數(shù)據(jù)庫連接。2. 根據(jù)權(quán)利要求1所述的負(fù)荷預(yù)測系統(tǒng)，其特征在于：所述的負(fù)荷預(yù)測模塊為采用BP 神經(jīng)網(wǎng)絡(luò)算法模塊對分類后負(fù)荷數(shù)據(jù)進(jìn)行訓(xùn)練并預(yù)測區(qū)域電網(wǎng)負(fù)荷功率的負(fù)荷預(yù)測模塊。3. 根據(jù)權(quán)利要求1所述的負(fù)荷預(yù)測系統(tǒng)，其特征在于：所述的負(fù)荷分類模塊為采用模 糊c-均值聚類算法模塊的負(fù)荷分類模塊。4. 根據(jù)權(quán)利要求1至3任一所述的負(fù)荷預(yù)測系統(tǒng)，其特征在于：所述的負(fù)荷預(yù)測模塊 還連接有用于顯示負(fù)荷曲線和預(yù)測準(zhǔn)確率、查詢實時或歷史負(fù)荷數(shù)據(jù)以及監(jiān)控和修改調(diào)制 運(yùn)行狀態(tài)系統(tǒng)的圖形界面模塊。5. -種采用上述系統(tǒng)的負(fù)荷預(yù)測方法，其特征在于，包括以下步驟： (1) 數(shù)據(jù)預(yù)處理模塊將反向隔離裝置采集的負(fù)荷數(shù)據(jù)初步處理為負(fù)荷樣本數(shù)據(jù)； (2) 負(fù)荷分類模塊采用FCM模糊聚類對步驟（1)中初步處理后的負(fù)荷樣本數(shù)據(jù)進(jìn)行分 類，分類后選取每類負(fù)荷曲線的平均值作為典型日負(fù)荷曲線； (3) 負(fù)荷預(yù)測模塊將步驟（2)中得出的典型日負(fù)荷曲線作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量進(jìn) 行預(yù)測，得到區(qū)域電網(wǎng)負(fù)荷預(yù)測值。6. 根據(jù)權(quán)利要求5所述的負(fù)荷預(yù)測方法，其特征在于：在步驟（2)中，采用FCM模糊聚 類將步驟（1)中初步處理后的負(fù)荷樣本數(shù)據(jù)分為10類樣本數(shù)據(jù)，選取各類樣本數(shù)據(jù)的平均 值作為典型日負(fù)荷曲線。7. 根據(jù)權(quán)利要求6所述的負(fù)荷預(yù)測方法，其特征在于：在步驟（2)中，采用FCM模糊聚 類進(jìn)行分類的步驟為 第一步，將總樣本集為2 = ? 中的全體負(fù)荷樣本數(shù)據(jù)分為10類樣本數(shù)據(jù)，并 選定10個初始聚類中心； 第二步，根據(jù)最小距離原則將每個負(fù)荷樣本數(shù)據(jù)分別分配到10類樣本數(shù)據(jù)中，不斷迭 代計算各類的聚類中心并依據(jù)新的聚類中心調(diào)整聚類情況，使用隸屬度函數(shù)和距離定義的 聚類目標(biāo)函數(shù)J達(dá)到最小。8. 根據(jù)權(quán)利要求5所述的負(fù)荷預(yù)測方法，其特征在于：所述的負(fù)荷預(yù)測模塊將得到的 區(qū)域電網(wǎng)負(fù)荷預(yù)測值分別傳輸至圖形化界面模塊和數(shù)據(jù)庫。9. 根據(jù)權(quán)利要求5所述的負(fù)荷預(yù)測方法，其特征在于：所述的步驟（1)中的初步處理為 去除異常負(fù)荷數(shù)據(jù)、補(bǔ)全缺省負(fù)荷數(shù)據(jù)，并根據(jù)季節(jié)天氣選取不同的負(fù)荷樣本數(shù)據(jù)，將負(fù)荷 樣本數(shù)據(jù)進(jìn)行歸一化處理。10. 根據(jù)權(quán)利要求5至9任一所述的負(fù)荷預(yù)測方法，其特征在于：所述的負(fù)荷預(yù)測模塊 將得到的區(qū)域電網(wǎng)負(fù)荷預(yù)測值存入數(shù)據(jù)庫，并傳輸至圖形界面模塊。
【專利摘要】本發(fā)明公開了一種區(qū)域電網(wǎng)的負(fù)荷預(yù)測系統(tǒng)及其方法，其中包括反向隔離裝置、數(shù)據(jù)處理模塊，負(fù)荷分類模塊、負(fù)荷預(yù)測模塊和數(shù)據(jù)庫，數(shù)據(jù)預(yù)處理模塊對反向隔離裝置收集的負(fù)荷數(shù)據(jù)進(jìn)行初步處理成負(fù)荷樣本數(shù)據(jù)；負(fù)荷分類模塊采用FCM模糊聚類對負(fù)荷樣本數(shù)據(jù)進(jìn)行分類，選取每類負(fù)荷曲線的平均值作為典型日負(fù)荷曲線；負(fù)荷預(yù)測模塊將該典型日負(fù)荷曲線作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量進(jìn)行預(yù)測，得到區(qū)域電網(wǎng)負(fù)荷預(yù)測值。本發(fā)明全面考慮因季節(jié)和天氣因素對負(fù)荷的影響以完善的預(yù)處理模塊，基于FCM模糊聚類對負(fù)荷進(jìn)行分類，準(zhǔn)確地找出典型日負(fù)荷曲線，并通過BP神經(jīng)網(wǎng)絡(luò)得到區(qū)域電網(wǎng)負(fù)荷預(yù)測值，充分挖掘了歷史負(fù)荷數(shù)據(jù)中的內(nèi)在規(guī)律，使預(yù)測精度大大提高。
【IPC分類】G06Q50/06, G06Q10/04
【公開號】CN105303263
【申請?zhí)枴緾N201510781115
【發(fā)明人】張臻
【申請人】深圳合縱能源技術(shù)有限公司
【公開日】2016年2月3日
【申請日】2015年11月16日