[發明專利]一種基于Q-learning的負荷綜合預測方法和相關設備

有效

• 申請號: 201910829313.0
• 申請日: 2019-09-03
• 公開（公告）號: CN110516889B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 靳冰潔;麻敏華;林勇;郭少青;左鄭敏;羅澍忻;韋斌;周姝燦;鄭秀波;匡洪輝;張德亮;黃紅偉;毛文照
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司電網規劃研究中心
• 主分類號: H02J3/00
• 分類號: H02J3/00;G06Q10/04;G06Q50/06;G06N20/00;G06F17/18
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 黃忠

本申請實施例公開了一種基于Q?learning的負荷綜合預測方法和相關設備，方法包括：獲取影響負荷的若干組基礎預測參數集，并對其進行標幺化處理和離散化處理，作為環境狀態；獲取若干種負荷預測方法，并對其權重進行離散化處理，作為動作空間；將負荷預測值和負荷實際值的平方根偏差作為回報函數；根據環境狀態、動作空間和回報函數構建預測智能體；基于Q?learning對預測智能體進行訓練；將進行標幺化處理和離散化處理后基礎參數集的輸入到已訓練收斂的預測智能體中，進行負荷預測。通過將Q強化學習應用于負荷綜合預測中，設計了環境狀態、動作空間和回報函數，使得所選擇預測方法和權重值均可以隨基礎預測參數而改變，解決了現有的單個預測方法適應性差問題。

技術領域

本申請涉及電力負荷預測技術領域，尤其涉及一種基于Q-learning的負荷綜合預測方法和相關設備。

背景技術

中長期負荷預測是電力系統調度運行中重要的基礎數據信息，其預測準確率直接影響到中長期電力電量平衡分析、檢修計劃安排等運行方式安排內容。為提升中長期負荷預測的準確率，當前學術界與工業界開展了大量研究與實踐，其基本思路是采用不同預測方法研究負荷與氣象、經濟等基礎信息之間的相互關系，在此基礎上根據不同預測方法的預測效果構建綜合預測模型，以實現對中長期負荷的準確預測。

在預測方法研究層面，當前中長期負荷預測中所采用的方法種類眾多，不同預測方法所反映的負荷與預測基礎信息的特性規律不同，預測方法的精度受預測基礎信息影響顯著，當預測基礎信息變化時，所適用的預測方法不同。

因此，需要提出一種負荷綜合預測方法，解決現有的單個預測方法的適應性差問題。

發明內容

本申請實施例提供了一種基于Q-learning的負荷綜合預測方法和相關設備，解決現有的單個預測方法適應性差問題

有鑒于此，本申請第一方面提供了一種基于Q-learning的負荷綜合預測方法，包括：

獲取影響負荷的若干組基礎預測參數集，并對所述基礎預測參數集進行標幺化處理和離散化處理，作為環境狀態；

獲取若干種負荷預測方法，并對其權重進行離散化處理，作為動作空間；

將負荷預測值和負荷實際值的平方根偏差作為回報函數；

根據所述環境狀態、所述動作空間和所述回報函數構建預測智能體；

基于Q-learning對所述預測智能體進行訓練；

將進行標幺化處理和離散化處理后基礎參數集的輸入到已訓練收斂的預測智能體中，進行負荷預測。

優選的，所述對所述基礎預測參數集進行標幺化處理的標幺化公式為：

其中，基礎預測參數集表示為分別為第i項基礎預測參數在時段t的標幺值和實際值，分別為基礎預測參數的最大、最小取值。

優選的，所述回報函數的公式為：

其中，P_t^F、P_t^R分別為時段t的負荷預測值和負荷實際值；為負荷預測方法i的權重離散值，NI為負荷預測方法的數量；為正負偏差，λ為正負偏差系數。

優選的，基礎預測參數集和/或所述基礎參數包括：溫度、風力、降水等氣象信息，GDP、居民可支配收入、PPI。

本申請第二方面提供一種基于Q-learning的負荷綜合預測裝置，包括：

環境狀態獲取單元，用于獲取影響負荷的若干組基礎預測參數集，并對其進行標幺化和離散化處理，作為環境狀態；