[發(fā)明專利]一種面向電力大客戶的短期負荷預測方法

有效

• 申請?zhí)枺?/td>: 201810985306.5
• 申請日: 2018-08-28
• 公開（公告）號: CN109242169B
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計）人: 歐家祥;張俊瑋;黃仁金;黃興;楊沁暉;張秋雁;陳新;周輝;丁超;黃宇
• 申請（專利權(quán)）人: 貴州電網(wǎng)有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 貴陽中新專利商標事務(wù)所 52100
• 代理人: 商小川

1.一種面向電力大客戶的短期負荷預測方法，它包括：

步驟1、對大客戶用電負荷數(shù)據(jù)集進行處理；

步驟2、在大客戶用電負荷數(shù)據(jù)集上添加上天氣數(shù)據(jù)；

步驟3、將包含時間、負荷值和溫度值三個維度的數(shù)據(jù)集轉(zhuǎn)換為標準訓練集；

步驟4、根據(jù)每個大客戶的用電特性，劃分為鐵合金用電企業(yè)類型、建材用電企業(yè)類型、化工用電企業(yè)類型和紡織業(yè)用電企業(yè)類型；

步驟5、對每個類型的大客戶分別進行負荷預測模型訓練；

步驟5所述對每個類型的大客戶分別進行負荷預測模型訓練的方法包括：

步驟5.1、取出標準訓練集中的m個子段作為輸入數(shù)據(jù)D₁，經(jīng)過一個隱藏層映射到深度神經(jīng)網(wǎng)絡(luò)中，IN＝D₁×W₁+B₁,其中W₁是輸入層的權(quán)重，B₁為輸入層偏置，IN為隱藏層的輸出數(shù)據(jù)；

步驟5.2、取出隱藏層的輸出數(shù)據(jù)IN的一行數(shù)據(jù)IN_t作為一個神經(jīng)元的輸入數(shù)據(jù)；根據(jù)上一次歷史預測值H_t-1和當前數(shù)據(jù)IN_t決定從上一次歷史訓練記錄S_t-1需要被舍棄的部分，被重新修改后的歷史訓練記錄為SX_t，SX_t＝S_t-1×σ(W_f[H_t-1,IN_t]+b_f),W_f為深度神經(jīng)網(wǎng)絡(luò)輸入選擇的權(quán)重，其中b_f為深度神經(jīng)網(wǎng)絡(luò)輸入選擇的偏置，σ為sigmoid函數(shù)，對(W_f[H_t-1,IN_t]+b_f)進行非線性映射得到一個0到1開區(qū)間的概率選擇函數(shù)；

步驟5.3、確定好參與此次神經(jīng)網(wǎng)絡(luò)訓練的歷史記錄數(shù)據(jù)SX_t后，根據(jù)參與此訓練的當前數(shù)據(jù)IN_t和上一次預測數(shù)據(jù)H_t-1確定當前訓練記錄選擇率i_t，i_t＝σ(W_i[H_t-1,IN_t]+b_i)，W_i、b_i為本次訓練記錄選擇率的權(quán)重和偏置；根據(jù)選擇率i_t確定當前訓練數(shù)據(jù)SN_t中需要被記錄到訓練歷史記錄中的數(shù)據(jù)SH_t，SH_t＝tanh(W_c[H_t-1,IN_t]+b_c)，式中：tanh為激活函數(shù)雙曲正切函數(shù)，需要記錄的數(shù)據(jù)SH_t，SH_t＝i_t×S_t；

步驟5.4、本次訓練的最終訓練記錄S_t由上次被刪選后的歷史記錄SX_t和本次的訓練記錄中被選中的內(nèi)容SH_t構(gòu)成,S_t＝SX_t+SH_t；

步驟5.5、基于當前的最終訓練記錄S_t得到本次的訓練結(jié)果H_t，根據(jù)輸出選擇率O_t確定輸出結(jié)果H_t，H_t＝O_t*tanh(S_t)；O_t＝σ(W_O[H_t-1,IN_t]+b_o),其中W_O、b_O為輸出選擇率的權(quán)重和偏置；

步驟5.6、對于隱藏層的輸出數(shù)據(jù)IN的每一行數(shù)據(jù)重新跳轉(zhuǎn)到步驟5.1，得到一個有m個元素的輸出結(jié)果集合,H_m根據(jù)真實值Y_m計算損失函數(shù)E，

步驟5.7、對于訓練集中每m個子段跳入步驟5.1，直至沒有子段為止則輸出訓練好的模型；

步驟6、通過訓練好的負荷預測模型對對應(yīng)類型的大客戶進行負荷值預測；最后負荷值由各個模型每個相同時間點預測的負荷值進行疊加得到。