[發明專利]基于窗口移動機器學習的電力負荷預測方法

有效

• 申請號: 202011231695.6
• 申請日: 2020-11-06
• 公開（公告）號: CN112348702B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 鄭君;徐明宇;陳曉光;武國良;劉洋;祖光鑫;劉智洋;劉進;張美倫;郝文波;張睿
• 申請（專利權）人: 國網黑龍江省電力有限公司電力科學研究院;國家電網有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04;G06N20/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.基于窗口移動機器學習的電力負荷預測方法，其特征在于所述方法具體過程為：

步驟一、采集原始電力負荷數據；

所述原始電力負荷數據為當前時刻的電力負荷數據集和采集電力負荷的時刻數據集；

所述當前時刻電力負荷Y＝{y₁，y₂，…，y_n}；

所述采集電力負荷的時刻X＝{x₁，x₂，…，x_n}；

步驟二、將原始電力負荷數據升維：

步驟二一、將當前時刻的電力負荷進行分組具體過程為：

利用大小為l的移動窗口，按照電力負荷的時間順序進行滑動分組：

Y＝{a₁，a₂，…，a_m}

a_i＝{y_p(i-1)+1，y_p(i-1)+2，…，y_p(i-1)+l}

其中，Y是當前時刻的電力負荷，a_i是第i組當前時刻電力負荷，m是當前時刻電力負荷分組的總數，i∈[1，m]，l是a_i中包含電力負荷的個數，p是窗口移動的步長；

步驟二二、將每組當前時刻的電力負荷分為特征電力負荷和目標電力負荷具體為：

其中，

其中，a_i是第i組當前時刻電力負荷值，i∈[1，m]，是特征電力負荷，是目標電力負荷，k是中包含電力負荷的個數，中包含(l-k)電力負荷的個數；

其中，劃分和的比例為人為確定；

步驟二三、獲得升維后的電力負荷數據{a₁，a₂，…，a_m}；

其中，為m行k列負荷數據，為特征電力負荷數據集；

為m行l-k列負荷數據，為目標電力負荷數據集；

步驟三、利用升維后的電力負荷訓練獲得電力負荷預測模型；

步驟四、驗證電力負荷預測模型的準確性；

步驟五、在實際電力負荷預測時，將電力負荷數據輸入電力負荷預測模型得到預測結果。

2.根據權利要求1所述的基于窗口移動機器學習的電力負荷預測方法，其特征在于：所述步驟三中利用升維后的電力負荷訓練獲得電力負荷預測模型：

步驟三一、將升維后的電力負荷數據劃分為訓練數據集和測試數據集：

n＝[m*η]

其中，m是電力負荷數據分組的總數，η是取的訓練數據組數占總數據組數的百分比，n是訓練數據集的個數；

其中，測試數據集個數為m-n；

所述η為人為設定；

步驟三二、將訓練數據集輸入到電力負荷預測模型中訓練獲得訓練好的電力負荷預測模型。

3.根據權利要求2所述的基于窗口移動機器學習的電力負荷預測方法，其特征在于：所述步驟四中驗證電力負荷預測模型的準確性，具體過程為：

首先，將步驟三一獲得的測試數據集中的特征電力負荷數據輸入到電力負荷預測模型中獲得預測結果；

然后，將獲得的預測結果與測試數據集中的目標電力負荷數據進行比較，驗證電力負荷預測模型的準確性。