[發(fā)明專利]一種基于數(shù)據(jù)衍生的電力負(fù)荷預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911244696.1
• 申請(qǐng)日: 2019-12-06
• 公開(kāi)（公告）號(hào): CN111160619A
• 公開(kāi)（公告）日: 2020-05-15
• 發(fā)明（設(shè)計(jì)）人: 毛永泉;莊斌;唐新忠;李天杰;李迪;于志遠(yuǎn);高立忠;王艷如;馬明明;杜曄
• 申請(qǐng)（專利權(quán)）人: 北京國(guó)電通網(wǎng)絡(luò)技術(shù)有限公司;國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院;國(guó)網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 李翔

本發(fā)明公開(kāi)了一種基于數(shù)據(jù)衍生的電力負(fù)荷預(yù)測(cè)方法，包括獲取歷史用電數(shù)據(jù)；將所述歷史用電數(shù)據(jù)帶入正態(tài)分布函數(shù)進(jìn)行衍生拓展，得出拓展衍生得出的數(shù)據(jù)，歷史用電數(shù)據(jù)與拓展衍生得出的數(shù)據(jù)共同作為用電負(fù)荷數(shù)據(jù)；將用電負(fù)荷數(shù)據(jù)劃分成訓(xùn)練集與驗(yàn)證集；將訓(xùn)練集數(shù)據(jù)作為輸入帶入預(yù)設(shè)結(jié)構(gòu)的模型，以輸入固定時(shí)間的實(shí)際負(fù)荷作為輸出進(jìn)行訓(xùn)練，并在訓(xùn)練過(guò)程中帶入驗(yàn)證集數(shù)據(jù)進(jìn)行驗(yàn)證，得到預(yù)測(cè)模型；將一個(gè)時(shí)間段的用電負(fù)荷數(shù)據(jù)帶入預(yù)測(cè)模型，得出下一個(gè)時(shí)間段的用電負(fù)荷預(yù)測(cè)結(jié)果，本發(fā)明提出的方法通過(guò)對(duì)將歷史用電數(shù)據(jù)帶入正態(tài)分布函數(shù)進(jìn)行衍生拓展，增大了進(jìn)行預(yù)測(cè)的數(shù)據(jù)量，進(jìn)而提高了用電負(fù)荷預(yù)測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及智能用電技術(shù)領(lǐng)域，特別是指一種基于數(shù)據(jù)衍生的電力負(fù)荷預(yù)測(cè)方法。

背景技術(shù)

當(dāng)前電力行業(yè)在開(kāi)放售電環(huán)境下需要更加準(zhǔn)確的用電負(fù)荷預(yù)測(cè)，輔助電網(wǎng)進(jìn)行更好的管理，調(diào)離調(diào)配以及市場(chǎng)營(yíng)銷，為了能夠提高預(yù)測(cè)的精度，有很多的預(yù)測(cè)技術(shù)提出，過(guò)去主要是基于統(tǒng)計(jì)學(xué)的原理以及專業(yè)經(jīng)驗(yàn)的預(yù)測(cè)和預(yù)判。隨著人工智能技術(shù)的發(fā)展，逐漸把人工智能技術(shù)應(yīng)用到電力市場(chǎng)預(yù)測(cè)領(lǐng)域。

采用人工智能技術(shù)進(jìn)行電力預(yù)測(cè)對(duì)數(shù)據(jù)的依賴比較強(qiáng)，但由于智能電表的推廣較晚，通過(guò)電表統(tǒng)計(jì)得到的用戶用電數(shù)據(jù)還是有限，尤其是一些偏遠(yuǎn)地區(qū)還沒(méi)有進(jìn)行智能電表的普及，用電數(shù)據(jù)的采集主要還是依靠人工記錄，而且人工記錄的數(shù)據(jù)遺失的情況較多，造成用電數(shù)據(jù)的樣本數(shù)不足，對(duì)于用電負(fù)荷的預(yù)測(cè)的準(zhǔn)確性會(huì)有一定的制約和限制。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提出一種基于數(shù)據(jù)衍生的電力負(fù)荷預(yù)測(cè)方法，用以解決用電數(shù)據(jù)樣本數(shù)不足，進(jìn)而影響預(yù)測(cè)準(zhǔn)確性的問(wèn)題。

基于上述目的本發(fā)明提供的一種基于數(shù)據(jù)衍生的電力負(fù)荷預(yù)測(cè)方法，步驟為：

獲取歷史用電數(shù)據(jù)；

將所述歷史用電數(shù)據(jù)帶入正態(tài)分布函數(shù)進(jìn)行衍生拓展，得出符合正態(tài)分布的歷史用電數(shù)據(jù)，將符合正態(tài)分布的歷史用電數(shù)據(jù)作為拓展衍生得出的數(shù)據(jù)，歷史用電數(shù)據(jù)與拓展衍生得出的數(shù)據(jù)共同作為用電負(fù)荷數(shù)據(jù)；

將用電負(fù)荷數(shù)據(jù)劃分成訓(xùn)練集與驗(yàn)證集；

將訓(xùn)練集數(shù)據(jù)作為輸入帶入預(yù)設(shè)結(jié)構(gòu)的模型，以輸入固定時(shí)間的實(shí)際負(fù)荷作為輸出進(jìn)行訓(xùn)練，并在訓(xùn)練過(guò)程中帶入驗(yàn)證集數(shù)據(jù)進(jìn)行驗(yàn)證，得到預(yù)測(cè)模型；

將一個(gè)時(shí)間段的用電負(fù)荷數(shù)據(jù)帶入預(yù)測(cè)模型，得出下一個(gè)時(shí)間段的用電負(fù)荷預(yù)測(cè)結(jié)果。

可選的，所述正態(tài)分布函數(shù)為：

其中，x為歷史用電數(shù)據(jù)，μ為歷史用電數(shù)據(jù)的平均數(shù)，σ為標(biāo)準(zhǔn)差，f(x)為正態(tài)分布函數(shù)。

可選的，所述歷史用電數(shù)據(jù)與拓展衍生得出的數(shù)據(jù)共同作為用電負(fù)荷數(shù)據(jù)之后還包括對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理。

可選的，所述對(duì)用電負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理包括:

對(duì)歷史用電數(shù)據(jù)去除噪聲、進(jìn)行數(shù)據(jù)優(yōu)化；

獲取歷史用電數(shù)據(jù)時(shí)間段內(nèi)的氣象信息、節(jié)假日信息與重大事件的日期并進(jìn)行標(biāo)記；

根據(jù)標(biāo)記情況對(duì)歷史用電數(shù)據(jù)進(jìn)行包括但不限于去冗余、缺失值均值插補(bǔ)、數(shù)據(jù)標(biāo)準(zhǔn)化的處理。

可選的，所述將訓(xùn)練集數(shù)據(jù)作為輸入帶入預(yù)設(shè)結(jié)構(gòu)的模型，以輸入固定時(shí)間的實(shí)際負(fù)荷作為輸出進(jìn)行訓(xùn)練，并在訓(xùn)練過(guò)程中帶入驗(yàn)證集數(shù)據(jù)進(jìn)行驗(yàn)證，得到預(yù)測(cè)模型的步驟包括：

構(gòu)造空洞卷積神經(jīng)網(wǎng)絡(luò)模型作為預(yù)設(shè)結(jié)構(gòu)的模型；

選取訓(xùn)練集數(shù)據(jù)作為模型輸入，以輸入固定時(shí)間的實(shí)際負(fù)荷作為模型輸出的訓(xùn)練目標(biāo)，通過(guò)多次迭代訓(xùn)練空洞卷積神經(jīng)網(wǎng)絡(luò)模型至收斂；