[發明專利]集群負荷預測方法、裝置及存儲介質

在審

• 申請號: 201811350529.0
• 申請日: 2018-11-14
• 公開（公告）號: CN111191811A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 黎昱;汪建;湯奕;崔晗
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種集群負荷預測方法，其特征在于，包括：

獲取待預測集群對應的樣本集群中每個個體的歷史用電數據以及同一時期的外部數據；

通過機器學習算法學習擬合所述個體的歷史用電數據與所述同一時期的外部數據，形成個體的用電負荷預測模型；

獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并通過所述個體的用電負荷預測模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值。

2.根據權利要求1所述的方法，其特征在于，所述獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并通過所述個體的用電負荷預測模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值的步驟之前還包括：

創建個體的用電負荷與集群總體負荷間的誤差修正模型；

所述獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并通過所述個體的用電負荷預測模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值的步驟包括：

獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并結合所述個體的用電負荷預測模型及誤差修正模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值。

3.根據權利要求2所述的方法，其特征在于，所述創建個體的用電負荷與集群總體負荷間的誤差修正模型的步驟包括：

獲取與所述每個個體的歷史用電數據同一時期的個體所屬集群的歷史總負荷，作為所述待預測集群對應的樣本集群總體負荷；

基于所述個體的用電負荷預測模型對待預測集群對應的樣本集群中個體的用電負荷進行預測，得到各個個體的用電負荷預測值；

累計各個個體的用電負荷預測值，得到個體的負荷預測累加值；

分析所述個體的負荷預測累加值與所述樣本集群總體負荷的數據關聯關系，形成個體的用電負荷與集群總體負荷間的誤差修正模型。

4.根據權利要求1-3中任一項所述的方法，其特征在于，所述獲取待預測集群對應的樣本集群中每個個體的歷史用電數據以及同一時期的外部數據的步驟之后，還包括：

對所述個體的歷史用電數據以及同一時期的外部數據進行預處理；

所述通過機器學習算法學習擬合所述個體的歷史用電數據與同一時期的外部數據，形成個體的用電負荷預測模型的步驟包括：

通過機器學習算法學習擬合預處理后的個體的歷史用電數據與同一時期的外部數據，形成個體的用電負荷預測模型。

5.根據權利要求4所述的方法，其特征在于，所述外部數據包括：氣象數據、經濟數據、社會信息中的一種或多種；所述個體的用電負荷預測模型為神經網絡模型或線性回歸模型；所述誤差修正模型為線性回歸模型或極限學習機模型。

6.根據權利要求1-3中任一項所述的方法，其特征在于，所述方法還包括：

將所述集群負荷預測值輸出至電力業務平臺，為所述電力業務平臺提供數據支持；或者，基于所述集群負荷預測值進行異常用電行為檢測。

7.一種集群負荷預測裝置，其特征在于，包括：

數據獲取模塊，用于獲取待預測集群對應的樣本集群中每個個體的歷史用電數據以及同一時期的外部數據；

負荷預測模型創建模塊，用于通過機器學習算法學習擬合所述個體的歷史用電數據與同一時期的外部數據，形成個體的用電負荷預測模型；

預測模塊，用于獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并通過所述個體的用電負荷預測模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值。

8.根據權利要求7所述的集群負荷預測裝置，其特征在于，所述裝置還包括：

誤差修正模型創建模塊，用于創建個體的用電負荷與集群總體負荷間的誤差修正模型；

所述預測模塊，還用于獲取待預測集群的外部數據，基于所述待預測集群的外部數據，并結合所述個體的用電負荷預測模型及誤差修正模型，對待預測集群總體負荷進行預測，輸出集群負荷預測值。