本发明涉及电力系统负荷预测，具体为一种考虑通讯基站人口流动的配变负荷预测方法及系统。
背景技术：
1、随着智能电网技术的快速发展和广泛应用，配电网负荷预测作为电力系统规划和运行的重要基础，其精确性和可靠性愈发受到关注。传统的配变负荷预测方法主要依赖于历史用电数据、气象数据等静态因素，采用时间序列分析、回归分析等统计学方法进行建模。然而，这些方法往往忽视了人口流动等动态因素对负荷变化的影响，特别是在通讯基站所覆盖的区域内，人口流动性强，负荷波动大，导致预测结果与实际情况存在较大偏差。近年来，随着大数据技术和人工智能算法的发展，一些研究者开始尝试将机器学习方法应用于负荷预测领域，如支持向量机(svm)、人工神经网络(ann)等。这些方法在一定程度上提高了预测精度，但仍然面临着特征选择困难、模型泛化能力不足等问题。
2、现有的配变负荷预测方法在处理通讯基站人口流动对负荷影响方面存在明显不足。首先，大多数方法未能充分考虑动态数据和静态数据的协同作用，导致预测模型无法有效捕捉负荷变化的复杂性和多样性。其次，传统的统计学方法和单一的机器学习算法在处理高维度、非线性的负荷数据时，往往表现出局限性，难以适应复杂多变的负荷变化模式。此外，现有方法缺乏对经验知识和数据驱动模型的有机结合，难以充分利用领域专家的经验和洞察力。最后，在面对突发事件或异常情况时，现有方法的鲁棒性和适应性不足，容易产生较大的预测误差。
技术实现思路
1、鉴于上述存在的问题，提出了本发明。
2、因此，本发明解决的技术问题是：如何提供一种考虑通讯基站人口流动的配变负荷预测方法及系统，以解决现有技术中未能充分考虑动态因素、预测精度不高、模型适应性差等问题。本发明通过结合动态数据和静态数据，利用数理统计分析和机器学习模型的优势，提出了一种新的负荷预测方法，有望提高预测精度和模型的泛化能力。
3、为解决上述技术问题，本发明提供如下技术方案：一种考虑通讯基站人口流动的配变负荷预测方法，包括：获取目标配电区域内的动态数据，分析总结出第一预测模型，通过所述第一预测模型对所述动态数据进行第一预测，得到第一预测结果；获取所述目标配电区域内的静态数据，分析总结出第二预测模型，通过所述第二预测模型对所述静态数据进行第二预测，得到第二预测结果；结合所述第一预测结果和所述第二预测结果得到第三预测结果，完成通讯基站人口流动的配变负荷预测。
4、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：所述动态数据包括实时负荷、温度、湿度、基站用户数、时间、日期类型、特殊事件标记，以及电力系统运行状态；所述静态数据包括变电站容量、配电区域面积、电压稳定性，以及用户类型。
5、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：所述第一预测模型是基于lstm网络对配电区域的实时负荷的初步预测，根据历史数据影响得到第一修正预测值和根据动态因素影响得到第二修正预测值，加入周期性变化得到，具体为：基于lstm网络的输出对配电区域的实时负荷进行初步预测，得到初步的负荷预测值基于初步的负荷预测值根据所述历史数据影响，得到第一修正预测值基于第一修正预测值根据动态因素影响，得到第二修正预测值基于第二修正预测值引入周期性函数，得到第一预测结果lt。
6、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：所述初步的负荷预测值通过如下公式表示：
7、
8、其中，为初步的负荷预测值；ht为lstm网络在t时刻的隐藏状态输出；ct为lstm网络在t时刻的单元状态输出。
9、所述第一修正预测值通过如下公式表示：
10、
11、其中，xi为历史数据点，用于计算与当前时刻的相似度；xt为当前时刻的特征向量；n为用于计算相似度的历史数据点数量。
12、所述第二修正预测值通过如下公式表示：
13、
14、其中，pt为t时刻的人口流动因子，反映通讯基站捕捉到的人口流动情况；tt为t时刻的温度因子，反映温度对负荷的影响；ft为t时刻的节假日因子，反映节假日对负荷的影响；st为t时刻的系统状态；st-1为t-1时刻的系统状态；|st-st-1|为系统状态的变化幅度；t为时间变量，单位为小时。
15、所述第一预测结果lt通过如下公式表示：
16、
17、其中，π为圆周率常数；所述第一预测结果lt的值域为正实数，当所述第一预测结果lt在第二预设阈值和第一预设阈值之间时，表示负荷处于正常范围，具体数值代表相对于历史平均负荷的比例；当所述第一预测结果lt大于第一预设阈值时，表示负荷高于历史平均水平，具体数值表示超出的倍数；第二预设阈值＜第一预设阈值。
18、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：所述第二预测模型是根据变电站容量和配电区域面积得到初步负荷估计，结合电压变化率和用户类型得到，具体为：根据变电站容量c和目标配电区域面积a得到初步负荷估计l1；基于所述初步负荷估计l1和所述目标配电区域内的电压变化率，得到考虑电压稳定性后的初步负荷估计l2；基于考虑电压稳定性后的初步负荷估计l2和所述目标配电区域内的用户类型，得到第二预测结果lbase。
19、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：所述初步负荷估计l1通过如下公式表示：
20、
21、其中，c为变电站容量；a为目标配电区域面积；aref为参考面积。
22、所述考虑电压稳定性后的初步负荷估计l2通过如下公式表示：
23、
24、其中，为电压变化率，用于反映电压随时间的变化情况。
25、所述第二预测结果lbase通过如下公式表示：
26、
27、其中，i,c,r为分别代表工业、商业和居民用户类型；pi为各类用户的占比，pi+pc+pr＝1；ei为各类用户的用电效率因子，反映不同类型用户的用电特征；li,hist为各类用户的历史负荷数据；lref为参考负荷值。
28、作为本发明所述的考虑通讯基站人口流动的配变负荷预测方法的一种优选方案，其中：结合所述第一预测结果和所述第二预测结果，得到第三预测结果，包括：使用加权平均法融合所述第一预测结果和所述第二预测结果：
29、lfinal＝γ·lt+(1-γ)·lbase·k；
30、其中，γ为动态权重因子，0≤γ≤1；k为调整因子；lfinal为第三预测结果。
31、为进一步解决上述技术问题，本发明提供如下技术方案：一种考虑通讯基站人口流动的配变负荷预测系统，包括：动态数据预测模块，用于获取目标配电区域内的动态数据，分析总结出第一预测模型，通过所述第一预测模型对所述动态数据进行第一预测，得到第一预测结果；静态数据预测模块，用于获取所述目标配电区域内的静态数据，分析总结出第二预测模型，通过所述第二预测模型对所述静态数据进行第二预测，得到第二预测结果；结果融合模块，用于结合所述第一预测结果和所述第二预测结果得到第三预测结果，完成通讯基站人口流动的配变负荷预测。
32、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述考虑通讯基站人口流动的配变负荷预测方法的步骤。
33、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述考虑通讯基站人口流动的配变负荷预测方法的步骤。
34、本发明的有益效果：本发明通过结合动态数据和静态数据的预测结果，实现了更全面、准确的负荷预测，能够更好地捕捉负荷变化的趋势和特征。通过动态数据预测模块和静态数据预测模块的协同工作，以及结果融合模块的智能整合，本发明显著提高了配变负荷预测的准确性和可靠性，为电网运营和管理提供了更精确的决策支持，有助于提升电力系统的运行效率和稳定性。
1.一种考虑通讯基站人口流动的配变负荷预测方法，其特征在于，包括：
2.如权利要求1所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：所述动态数据包括实时负荷、温度、湿度、基站用户数、时间、日期类型、特殊事件标记，以及电力系统运行状态；所述静态数据包括变电站容量、配电区域面积、电压稳定性，以及用户类型。
3.如权利要求2所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：所述第一预测模型是基于lstm网络对配电区域的实时负荷的初步预测，根据历史数据影响得到第一修正预测值和根据动态因素影响得到第二修正预测值，加入周期性变化得到，具体为：
4.如权利要求3所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：所述初步的负荷预测值通过如下公式表示：
5.如权利要求4所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：所述第二预测模型是根据变电站容量和配电区域面积得到初步负荷估计，结合电压变化率和用户类型得到，具体为：
6.如权利要求5所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：所述初步负荷估计l1通过如下公式表示：
7.如权利要求6所述的考虑通讯基站人口流动的配变负荷预测方法，其特征在于：结合所述第一预测结果和所述第二预测结果，得到第三预测结果，包括：
8.一种采用如权利要求1～7任一所述的考虑通讯基站人口流动的配变负荷预测方法的系统，其特征在于，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的考虑通讯基站人口流动的配变负荷预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的考虑通讯基站人口流动的配变负荷预测方法的步骤。
