基于大数据的居民用电量预测以及调度系统和方法与流程

本发明涉及电力电网，具体为基于大数据的居民用电量预测及调度系统和方法。

背景技术：

1、电力系统是大数据技术最主要的应用领域之一，随着智能电网的快速发展，智能电表采集大量的居民用电量数据，用电量数据中隐藏了居民的用电习惯，利用数据挖掘算法对这些用电量数据展开挖掘和分析，可帮助电网对居民进行个性化的分类，进而为其提供更好的服务。

2、然而传统的居民用电量预测方法通过采集居民用电量数据进行分析，得出日常用电量阈值，将其实时数据与阈值比对，得出预测结果；虽可满足预测需求，但其参考数据较为单一，且对居民日常用电规律难把握；其次，对其用电量进行预测后，调度方法准确不充分，且实施困难，从而降低了居民用电负荷预测的精度和实用性。

3、因此，不满足现有的需求，对此提出了基于大数据的居民用电量预测及调度系统和方法。

技术实现思路

1、本发明的目的在于提供基于大数据的居民用电量预测及调度系统和方法，通过构建用电量预测神经网络模型和用电量阈值，对居民区的电价按时段性进行等级划分，再对居民区的供电模式进行优化，建立可再生备用电源；同时预设出突发事件和电力故障的多种模拟场景，针对突发事件和电力故障提前建立的应急机制预案；在由神经网络模型预测出居民区用电量超出阈值时，根据预测时间点对其供电模式进行调度，平衡供需关系；居民区在平峰期时采用分时电价政策，引导居民减少用电量，解决了上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案基于大数据的居民用电量预测及调度系统，包括：

3、数据获取模块，用于

4、访问居民区所属供电系统，根据供电系统获取居民区的历史用电量数据，再收集居民区用电设备类型及用户用电行为信息，并对历史用电量数据进行清洗处理；

5、用电预测模块，用于

6、对历史用电量数据进行测试前预处理，将预处理后的历史用电量数据和用户用电行为信息依次导入神经网络模型中进行训练与测试，获得用电量预测模型；再将居民实时用电量数据导入神经网络模型中进行预测，获得居民用电量预测结果；

7、用电分析模块，用于

8、对用户用电行为信息和居民区用电设备类型进行分析，根据用户用电行为信息对居民区用电时段进行时间段划分，并根据用电设备类型对居民区用电量进行等级划分；

9、调度处理模块，用于

10、实时获取居民区所属供电能源分布情况，并根据居民区的用电时段和用电等级对居民区的供电需求进行相应的调度，避免居民区供电负荷过重或过轻的情况。

11、进一步的，所述数据获取模块，包括：

12、数据采集单元，用于

13、在居民区布设智能电表，并针对居民区用电行为建立采集时间节点和时长，智能电表根据预定时间对居民区各用户的用电量数据进行定时采集；

14、清洗转换单元，用于

15、对采集的历史用电量数据和实时用电量数据中异常数据值进行删除，根据平均值方法对缺失数据进行补齐，再对数据进行归一化处理，消除不同地区和时间尺度的差异，并基于无线传输技术将处理后的用电量数据传输至用电预测模块进行预测。

16、进一步的，所述用电预测模块，包括：

17、预处理单元，用于

18、通过特征提取器提取出历史用电量数据和用户用电行为信息中的有效特征信息，再将历史用电量数据划分为训练集和数据集；

19、模型建立单元，用于

20、根据所提取的有效特征信息构建神经网络模型，将训练集导入神经网络模型中进行训练，对模型参数进行估计和优化；再将测试集导入优化后的神经网络模型中进行测试，评估神经网络模型的预测性能；

21、结果判断单元，用于

22、构建用电量阈值，将预测结果与阈值进行比对，判断居民区用电负荷是否正常。

23、进一步的，所述调度处理模块，包括：

24、电能储备单元，用于

25、引入可再生能源为备用电源，可再生能源包括太阳能电池板、风力发电；

26、模式选择单元，用于

27、对用户用电行为信息进行分析，对居民区的电价按时段性进行等级划分；再对居民区用电设备类型进行分析，并结合居民区不同时段的用电需求，对居民区高峰期的供电模式进行调整；

28、应急处理单元，用于

29、预设出突发事件和电力故障的多种模拟场景，针对突发事件和电力故障提前建立的应急机制预案。

30、进一步的，还包括：

31、人机交互模块，用于

32、在客户端配置操控台与显示器，用实时展示神经网络模型预测的过程与结果。

33、进一步的，所述数据采集单元，包括：

34、数据存储单元，用于

35、存储居民区的历史用电量数据及各用户实时的用电量数据，作为电量数据库。

36、进一步的，所述模型建立单元，包括：

37、模型优化单元，用于

38、通过选取一组实时用电量数据对神经网络模型的预测性能进行应用，待预测结果与实际结果吻合后，再将神经网络模型应用于日常预测工作中。

39、进一步的，所述模式选择单元中供电模式包括变电站供电模式、储备电源供电模式及变电站和储备电源相结合供电模式。

40、基于大数据的居民用电量预测及调度的方法，包括下步骤：

41、s1、采集居民区的历史用电量数据和用电行为信息，进行清洗后提取出电量数据特征和用电行为特征，再将数据划分为训练集与测试集；

42、s2、根据特征信息构建神经网络模型，将训练集导入神经网络模型中进行训练，确认神经网络模型的参数；再将测试集导入神经网络模型中进行测试，优化神经网络模型的参数；

43、s3、通过智能电表定时采集居民区实时用电量，将实时用电量导入神经网络模型中进行预测并输出预测结果；

44、s4、将预测结果与阈值进行比对，若预测结果处于阈值范围内，则表明居民区当前用电负荷正常，无需调整供电模式；若预测结果超出阈值范围内，则表明居民区当前用电负荷异常，并根据预测时间点选择相应的供电模式。

45、进一步的，所述s2中通过训练集对神经网络模型进行训练后，选取任意一组实时用电量数据导入神经网络模型中进行预测并输出预测结果，直至预测结果与实际结果一致。

46、与现有技术相比，本发明的有益效果是

47、本发明通过构建用电量预测神经网络模型和用电量阈值，对居民区的电价按时段性进行等级划分，再对居民区的供电模式进行优化，建立可再生备用电源；同时预设出突发事件和电力故障的多种模拟场景，针对突发事件和电力故障提前建立的应急机制预案；在由神经网络模型预测出居民区用电量超出阈值时，则根据预测时间点对其供电模式进行调度，平衡供需关系；居民区在平峰期时采用分时电价政策，引导居民减少用电量；从而合理调配居民电力资源，优化电网的供需关系。

技术特征：

1.基于大数据的居民用电量预测及调度系统，包括：

2.根据权利要求1所述的基于大数据的居民用电量预测及调度系统，其特征在于：所述用电预测模块，包括：

3.根据权利要求1所述的基于大数据的居民用电量预测及调度系统，其特征在于：所述调度处理模块，包括：

4.根据权利要求1所述的基于大数据的居民用电量预测及调度系统，其特征在于：还包括：

5.根据权利要求2所述的基于大数据的居民用电量预测及调度系统，其特征在于：所述数据采集单元，包括：数据存储单元，用于存储居民区的历史用电量数据及各用户实时的用电量数据，作为电量数据库。

6.根据权利要求3所述的基于大数据的居民用电量预测及调度系统，其特征在于：所述模型建立单元，包括：

7.根据权利要求4所述的基于大数据的居民用电量预测及调度系统，其特征在于：所述模式选择单元中供电模式包括：变电站供电模式、储备电源供电模式及变电站和储备电源相结合供电模式。

8.基于大数据的居民用电量预测及调度的方法，基于权利要求1-8任一项所述的基于大数据的居民用电量预测及调度系统实现，其特征在于：包括下步骤：

9.根据权利要求8所述的基于大数据的居民用电量预测及调度的方法，其特征在于：所述s2中通过训练集对神经网络模型进行训练后，选取任意一组实时用电量数据导入神经网络模型中进行预测并输出预测结果，直至预测结果与实际结果一致。

技术总结本发明公开了基于大数据的居民用电量预测及调度系统和方法，属于电力电网技术领域。本发明解决了现有预测方法不准确、调度方法难实施的问题，通过构建用电量预测神经网络模型和用电量阈值，对居民区的电价按时段性进行等级划分，再对居民区的供电模式进行优化，建立可再生备用电源；同时预设出突发事件和电力故障的多种模拟场景，针对突发事件和电力故障提前建立的应急机制预案；在由神经网络模型预测出居民区用电量超出阈值时，则根据预测时间点对其供电模式进行调度，平衡供需关系；居民区在平峰期时采用分时电价政策，引导居民减少用电量；从而合理调配居民电力资源，优化电网的供需关系。技术研发人员：赵地,王书禹,武兵,钟恩涛,李战强,李静,党飞,栾鑫,袁野,李春生,程文华,冯迎迎,李亚强,郭天一,杨霖受保护的技术使用者：国网河南省电力公司周口供电公司技术研发日：技术公布日：2024/7/29