[發明專利]一種短期負荷及光伏功率預測方法及其系統、設備、介質

在審

• 申請號: 202010696519.3
• 申請日: 2020-07-20
• 公開（公告）號: CN111931994A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 劉振興;馬偉哲;齊暉
• 申請（專利權）人: 深圳供電局有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06K9/62
• 代理公司: 深圳匯智容達專利商標事務所(普通合伙) 44238
• 代理人: 徐文城

本發明涉及一種短期負荷及光伏功率預測方法及其系統、設備、介質，所述方法包括：獲取歷史負荷信息和歷史光伏功率信息；利用預先訓練好的深度置信網絡對歷史負荷信息和歷史光伏功率信息進行預測得到第一短期負荷及光伏功率預測結果；并且，利用預先訓練好的長短記憶網絡對歷史負荷信息和歷史光伏功率信息進行預測得到第二短期負荷及光伏功率預測結果；利用預先訓練好的線性模型對第一短期負荷及光伏功率預測結果以及第二短期負荷及光伏功率預測結果進行線性回歸處理得到短期負荷及光伏功率預測結果。所述系統、設備、介質包括用于執行所述方法的載體。本發明能夠實現基于動態組合深度學習模型進行短期負荷及光伏功率的預測，以提高預測精度。

技術領域

本發明涉及短期負荷及光伏功率預測技術領域，具體涉及一種短期負荷及光伏功率預測方法及其系統、設備、介質。

背景技術

短期負荷預測主要用于預報未來幾分鐘、幾小時或幾星期的電力負荷，用于調度安排開停機計劃，對于機組最優組合、經濟調度、最優潮流等有著重要的意義，同時也是保證電力市場有效運作的基礎。廣義的短期負荷預測涉及用電負荷的預測及光伏等發電出力的預測，常規的短期負荷及光伏預測模型主要有時間序列模型、以及神經網絡或支持向量機等機器學習模型等。

目前短期負荷和光伏功率預測存在如下問題：

一方面，較多采用淺層學習方法，淺層學習算法的學習能力有限，深層次特征訓練過程中無法有效利用，預測精度很容易達到瓶頸。另一方面，現有模型往往采用一種算法進行預測，單一算法魯棒性較低，如果單一算法訓練過程中陷入局部極小值，該模型對應預測性能較差。

發明內容

本發明的目的在于提出一種短期負荷及光伏功率預測方法及其系統、計算機設備、計算機可讀存儲介質，實現基于動態組合深度學習模型進行短期負荷及光伏功率的預測，以提高預測精度。

為實現上述目的，根據第一方面，本發明提出一種短期負荷及光伏功率預測方法，包括：

獲取歷史負荷信息和歷史光伏功率信息；

利用預先訓練好的深度置信網絡對所述歷史負荷信息和歷史光伏功率信息進行預測得到第一短期負荷及光伏功率預測結果；并且，利用預先訓練好的長短記憶網絡對所述歷史負荷信息和歷史光伏功率信息進行預測得到第二短期負荷及光伏功率預測結果；

利用預先訓練好的線性模型對所述第一短期負荷及光伏功率預測結果以及第二短期負荷及光伏功率預測結果進行線性回歸處理得到短期負荷及光伏功率預測結果。

優選地，所述深度置信網絡在預先訓練過程中通過計算最大化對數似然函數求得深度置信網絡的最優網絡參數。

優選地，所述長短記憶網絡在預先訓練過程中通過自適應時刻估計方法求得長短記憶網絡的最優網絡參數。

優選地，所述長短記憶網絡包括網絡輸入單元、輸入門、遺忘門、輸出門和網絡輸出單元，所述網絡輸入單元用于接收當前時刻的網絡輸入信息，所述當前時刻網絡輸入信息包括所述歷史負荷信息和歷史光伏功率信息，所述輸入門用于獲取當前時刻網絡輸入出信息、上一記憶狀態信息、上一時刻網絡輸出信息，所述遺忘門用于確定從上一記憶狀態信息中待刪除的信息，所述輸出門用于根據所述網絡輸入出信息、上一記憶狀態信息、上一時刻網絡輸出信息計算得到輸出門信息，所述網絡輸出單元用于根據所述輸出門信息和當前時刻的狀態信息計算初始光伏功率預測結果；其中所述當前時刻的狀態信息根據所述當前時刻網絡輸入出信息、上一記憶狀態信息、上一時刻網絡輸出信息以及待刪除的信息計算得到。

根據第二方面，本發明提出一種短期負荷及光伏功率預測系統，包括：

信息獲取單元，用于獲取歷史負荷信息和歷史光伏功率信息；

深度置信網絡預測單元，用于利用預先訓練好的深度置信網絡對所述歷史負荷信息和歷史光伏功率信息進行預測得到第一短期負荷及光伏功率預測結果；