[發(fā)明專利]基于分支結(jié)構(gòu)模型的電力負(fù)荷區(qū)間預(yù)測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010062363.3
• 申請日: 2020-01-20
• 公開（公告）號: CN113139671A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設(shè)計）人: 劉波;秦川;鞠平;郭德正;姜婷玉;劉婧孜;李群;張棟凱;金宇清;韓敬東
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q10/06
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 朱遠(yuǎn)楓

本發(fā)明公開基于分支結(jié)構(gòu)模型的電力負(fù)荷區(qū)間預(yù)測方法和系統(tǒng)，所述方法包括：將預(yù)先采集的歷史電力負(fù)荷相關(guān)數(shù)據(jù)按照類別劃分為不同的數(shù)據(jù)集，各數(shù)據(jù)集分別輸入到預(yù)先建立訓(xùn)練完成的分支結(jié)構(gòu)模型中的各個并列的GRU模塊，分支結(jié)構(gòu)模型輸出電力負(fù)荷區(qū)間預(yù)測結(jié)果；所述分支結(jié)構(gòu)模型包括與類別數(shù)相對應(yīng)數(shù)量的各個并列的GRU模塊，并且各GRU模塊的輸出連接到一個全連接層；利用電力負(fù)荷區(qū)間預(yù)測結(jié)果的區(qū)間范圍安排次日的日調(diào)度計劃。本發(fā)明設(shè)計了分支結(jié)構(gòu)的預(yù)測模型使各類型數(shù)據(jù)得到充分利用；借助分位數(shù)損失函數(shù)可實現(xiàn)電力負(fù)荷區(qū)間預(yù)測，再基于區(qū)間預(yù)測結(jié)果安排日調(diào)度計劃，保障電網(wǎng)安全可靠運行。

技術(shù)領(lǐng)域

本發(fā)明涉及電力負(fù)荷預(yù)測技術(shù)領(lǐng)域，具體為基于分支結(jié)構(gòu)模型的電力負(fù)荷區(qū)間預(yù)測方法和系統(tǒng)。

背景技術(shù)

電力負(fù)荷預(yù)測是從已有的電力負(fù)荷數(shù)據(jù)出發(fā)，并結(jié)合時間、氣象、經(jīng)濟等因素，對未來的電力負(fù)荷做出的預(yù)測。電力負(fù)荷預(yù)測對于電網(wǎng)安全穩(wěn)定調(diào)度具有重要意義。當(dāng)前我國正處于經(jīng)濟轉(zhuǎn)型與能源革命階段，大量新能源設(shè)備以及柔性負(fù)荷投入運行，使得電力系統(tǒng)的負(fù)荷構(gòu)成愈發(fā)復(fù)雜，亟需可靠的負(fù)荷預(yù)測以用于電網(wǎng)調(diào)度。

近年來，隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，各種機器學(xué)習(xí)模型以及神經(jīng)網(wǎng)絡(luò)模型被廣泛用于電力負(fù)荷預(yù)測。門控循環(huán)單元(Gated Recurrent Unit,GRU)是長短期記憶網(wǎng)絡(luò)LSTM的一種變體，在保留了LSTM的效果的同時又使得模型結(jié)構(gòu)更為簡單，改進了效率，適用于時間序列預(yù)測。

盡管各種預(yù)測模型層出不窮，但目前普遍的做法都是將預(yù)測時需要用到的所有數(shù)據(jù)當(dāng)作一個整體作為模型的輸入，從模型的角度來說，這些輸入數(shù)據(jù)都是等價的，未被加以區(qū)分。事實上，不同的數(shù)據(jù)對于預(yù)測來說，其重要性會有明顯差異，例如歷史負(fù)荷數(shù)據(jù)對于預(yù)測結(jié)果的影響顯然大于風(fēng)速對預(yù)測結(jié)果的影響。若將所有數(shù)據(jù)未加區(qū)分地作為模型的輸入，容易導(dǎo)致模型對于重要性較低的數(shù)據(jù)的學(xué)習(xí)不夠充分，進而導(dǎo)致預(yù)測效果欠佳。

此外，由于新能源設(shè)備和柔性負(fù)荷的大量投入，電力負(fù)荷的不確定性愈發(fā)顯著，點預(yù)測難以滿足實際需求，有必要研究電力負(fù)荷的區(qū)間預(yù)測，以給電力系統(tǒng)安全穩(wěn)定調(diào)度提供更好的參考依據(jù)。

發(fā)明內(nèi)容

針對常規(guī)預(yù)測模型未對輸入數(shù)據(jù)加以區(qū)別而存在電力負(fù)荷的區(qū)間預(yù)測效果不好的技術(shù)問題，基于預(yù)測結(jié)果難以滿足日調(diào)度計劃安排實際需求，本發(fā)明提供了一種基于分支結(jié)構(gòu)模型的電力負(fù)荷區(qū)間預(yù)測方法。

為實現(xiàn)以上目的，本發(fā)明提出的技術(shù)方案為：一種基于分支結(jié)構(gòu)模型的電力負(fù)荷區(qū)間預(yù)測方法，包括以下步驟：

將預(yù)先采集的歷史電力負(fù)荷相關(guān)數(shù)據(jù)按照類別劃分為不同的數(shù)據(jù)集，各數(shù)據(jù)集分別輸入到預(yù)先建立訓(xùn)練完成的分支結(jié)構(gòu)模型中的各個并列的GRU模塊，分支結(jié)構(gòu)模型輸出電力負(fù)荷區(qū)間預(yù)測結(jié)果；所述分支結(jié)構(gòu)模型包括與類別數(shù)相對應(yīng)數(shù)量的各個并列的GRU模塊，并且各GRU模塊的輸出連接到一個全連接層；利用電力負(fù)荷區(qū)間預(yù)測結(jié)果的區(qū)間范圍安排次日的日調(diào)度計劃。

進一步地，所述相關(guān)數(shù)據(jù)包括月份、日期類型、時刻、溫度、濕度、風(fēng)速和/或降雨量；

將預(yù)先采集的歷史電力負(fù)荷相關(guān)數(shù)據(jù)按照類別劃分為不同的數(shù)據(jù)集之間還包括對采集到的歷史電力負(fù)荷相關(guān)數(shù)據(jù)進行預(yù)處理，包括：

采用小波閾值去噪法處理電力負(fù)荷數(shù)據(jù)中的異常與噪聲信號，并對處理后的電力負(fù)荷數(shù)據(jù)進行歸一化處理；

對月份、日期類型、時刻、風(fēng)速、降雨量數(shù)據(jù)進行獨熱編碼，對溫度、濕度數(shù)據(jù)進行歸一化處理。

再進一步地，所述歸一化處理公式如下：

式中，x表示原始數(shù)據(jù)，x_max為原始數(shù)據(jù)中的最大值，x_min為原始數(shù)據(jù)中的最小值，x^*為歸一化后的數(shù)據(jù)。

進一步地，將處理后的數(shù)據(jù)劃分為時間類、氣象類、負(fù)荷類數(shù)據(jù)集，包括：