【技術實現步驟摘要】
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、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，國家能源局發布2023年全社會用電量等數據，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。根據中國電力企業聯合會《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”)設備是電力傳輸到用戶的重要節點，配變若長時間處于負荷過重、過載的狀態，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，是保障區域供電質量和安全的重要手段。
4、【現有技術現狀】
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、【現有技術缺陷】
16、1)基于時間序列的統計分析方法對數據平穩性要求較高，同時單純的時間序列模型難以捕捉復雜的數據特征，當數據情況復雜、存在不規律波動時，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據以及外部特征輸入才能得到較好的結果，對數據要求較高,模型可解性差。同時外部數據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復雜，需要大量數據，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。少數據時，這類技術會造成預測精度急劇下降。
技術實現思路
1、本專利技術旨在至少解決現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、模型可解釋性較好等特點，并能良好應用于電力負荷數據的配變重過載預測方法及設備。
3、為實現上述目的，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、獲取目標區域內的每日預設間隔時間的歷史電力負荷數據；
5、根據預設的stl時間序列分解算法對所述歷史電力負荷數據進行分解，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據；
8、根據預設評估模型對所述電力負荷預測數據進行準確率評估，得到樣本預測負載；
9、根據所述樣板預測負載計算樣本負載率；
10、根據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，優選地，所述序列分量包括趨勢分量、季節分量和殘差分量，根據預設的stl時間序列分解算法對所述歷史電力負荷數據進行分解，包括：
12、對所述歷史電力負荷數據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、根據所述初始趨勢分別對所述歷史電力負荷數據中的季節項和趨勢項進行平滑迭代，得到所述季節分量和所述趨勢分量；
14、根據所述季節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，優選地，對所述歷史電力負荷數據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據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據點；
17、對于窗口內的每個數據點，根據每個數據點與中心點的距離,使用三權函數計算權重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據點，擬合一階多項式y＝a+bx,通過最小化加權最小二乘法目標函數∑jwj(yj-a-bxj)2來估計系數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，優選地，所述殘差分量的表達式為：rt＝yt-tt-st，其中，yt為歷史電力負荷數據，tt代表分解后的趨勢分量trend，st代表分解后的季節分量seasonal,rt代表分解后的負荷殘差分量residual；
22、根據所述初始趨勢分別對所述歷史電力負荷數據中的季節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、季節分量和殘差分量，根據預設的STL時間序列分解算法對所述歷史電力負荷數據進行分解，包括：
3.根據權利要求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據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＝yt-Tt-St，其中，yt為歷史電力負荷數據，Tt代表分解后的趨勢分量Trend，St代表分解后的季節分量Seasonal，Rt代表分解后的負荷殘差分量Residual；
5.根據權利要求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.根據權利要求5所述的配變重過載預測方法，其特征在于，根據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，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，該程序被處理器執行時實現如權利要求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，用于執行計算機程序以實現如權利要求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、季節分量和殘差分量，根據預設的stl時間序列分解算法對所述歷史電力負荷數據進行分解，包括：
3.根據權利要求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據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＝yt-tt-st，其中，yt為歷史電力負荷數據，tt代表分解后的趨勢分量trend，st代表分解后的季節分量seasonal，rt代表分解后的負荷殘差分量residual；
5.根據權利要求...
【專利技術屬性】
技術研發人員：李金富，李發春，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：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。