[發明專利]電力負荷預測方法、電力負荷預測裝置及終端設備

在審

• 申請號: 201711293517.4
• 申請日: 2017-12-08
• 公開（公告）號: CN108197773A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 孫路;潘瑾;陳志勇;劉宏亮;趙軍;邢超
• 申請（專利權）人: 囯網河北省電力有限公司電力科學研究院;國家電網公司;國網河北能源技術服務有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種電力負荷預測方法，其特征在于，所述電力負荷預測方法包括：

獲取歷史數據，其中，所述歷史數據包括第一數據和第二數據，所述第一數據表示歷史時間段內電力變壓器的負荷數據，所述第二數據表示所述電力變壓器所處區域在所述歷史時間段內的環境數據；

對獲取的所述歷史數據進行擬合處理，得到訓練數據；

創建神經網絡模型；

以所述訓練數據作為所述神經網絡模型的數據訓練集，對所述神經網絡模型進行訓練，形成預測訓練模型；

基于所述預測訓練模型進行電力負荷預測。

2.根據權利要求1所述的電力負荷預測方法，其特征在于，所述對獲取的所述歷史數據進行擬合處理之前，還包括：

對獲取的所述歷史數據進行預處理，以剔除所述歷史數據中的錯誤數據，以及，補充所述歷史數據中的缺失數據。

3.根據權利要求1或2所述的電力負荷預測方法，其特征在于，所述對獲取的所述歷史數據進行擬合處理，包括：

基于灰色理論預測模型對所述歷史數據進行擬合處理。

4.根據權利要求3所述的電力負荷預測方法，其特征在于，所述創建神經網絡模型，包括：

建立徑向基函數神經網絡模型；

使用高斯函數作為所述徑向基函數神經網絡模型的基函數。

5.根據權利要求4所述的電力負荷預測方法，其特征在于，所述創建神經網絡模型，還包括：

使用k近鄰聚類算法確定所述徑向基函數神經網絡模型的隱含層結構。

6.一種電力負荷預測裝置，其特征在于，所述電力負荷預測裝置包括：

獲取單元，用于獲取歷史數據，其中，所述歷史數據包括第一數據和第二數據，所述第一數據表示歷史時間段內電力變壓器的負荷數據，所述第二數據表示所述電力變壓器所處區域在所述歷史時間段內的環境數據；

數據擬合單元，用于對所述獲取單元獲取的所述歷史數據進行擬合處理，得到訓練數據；

創建單元，用于創建神經網絡模型；

訓練單元，用于以所述數據擬合單元得到的所述訓練數據作為所述創建單元創建的所述神經網絡模型的數據訓練集，對所述神經網絡模型進行訓練，形成預測訓練模型；

預測單元，用于基于所述訓練單元形成的所述預測訓練模型進行電力負荷預測。

7.根據權利要求6所述的電力負荷預測裝置，其特征在于，所述電力負荷預測裝置還包括：

預處理單元，用于在所述數據擬合單元對所述獲取單元獲取的所述歷史數據進行擬合處理之前，對所述歷史數據進行預處理，以剔除所述歷史數據中的錯誤數據，以及，補充所述歷史數據中的缺失數據。

8.根據權利要求6或7所述的電力負荷預測裝置，其特征在于，所述數據擬合單元具體用于：

基于灰色理論預測模型對所述獲取單元獲取的所述歷史數據進行擬合處理。

9.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至5任一項所述方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述方法的步驟。