[發明專利]極端因素影響下的電力系統短期負荷預測方法與預測裝置有效
| 申請號： | 202011303804.0 | 申請日： | 2020-11-19 |
| 公開（公告）號： | CN112270454B | 公開（公告）日： | 2022-09-02 |
| 發明（設計）人： | 王海云;張再馳;陳茜;張雨璇;楊莉萍;汪偉;李智涵;姚藝迪;賈東強;袁清芳;于希娟 | 申請（專利權）人： | 國網北京市電力公司;國家電網有限公司 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06;G06N3/04;G06N3/08 |
| 代理公司： | 北京康信知識產權代理有限責任公司 11240 | 代理人： | 霍文娟 |
| 地址： | 100031 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 極端 因素 影響 電力系統 短期 負荷 預測 方法 裝置 | ||
1.一種極端因素影響下的電力系統短期負荷預測方法，其特征在于，包括：
獲取訓練數據，所述訓練數據包括歷史負荷數據和工作日變量，所述工作日變量包括第一時間變量和第二時間變量，所述第一時間變量表示一周中的某一天，所述第二時間變量表示一天中對應的某一個或者某幾個小時；
構建概率預測模型，所述概率預測模型為分位數LSTM預測模型，所述分位數LSTM預測模型是基于深度學習LSTM網絡和分位數損失函數構建的；
應用所述概率預測模型對所述訓練數據進行訓練，所述概率預測模型的輸入是所述歷史負荷數據和所述工作日變量，所述概率預測模型的輸出是預測分位數；
根據所述預測分位數預測極端因素影響下的電力系統短期負荷；
所述預測分位數有多個，所述分位數損失函數為所有的所述預測分位數的平均分位數損失；
所述預測方法還包括：
獲取訓練數據集，將所述訓練數據集分為三個部分，分別為第一數據集、第二數據集和第三數據集，所述訓練數據集包括所述歷史負荷數據、所述工作日變量和天氣條件；
將第一數據集中的所述歷史負荷數據、所述工作日變量和所述天氣條件作為輸入特征向量訓練點預測模型；
利用所述第二數據集進行虛擬預測并計算對應的預測殘差；
根據所述點預測模型和所述預測殘差，確定概率殘差預測模型；
構建概率預測模型，包括：
構建LSTM模塊，所述LSTM模塊由多個LSTM單元堆疊而成，所述LSTM模塊的輸入是所述歷史負荷數據，所述LSTM模塊的輸出是最后時刻的隱藏狀態；
對所述第一時間變量進行編碼得到第一編碼向量，對所述第二時間變量進行編碼得到第二編碼向量；
構建全連接網絡；
將所述最后時刻的隱藏狀態、所述第一編碼向量和所述第二編碼向量輸入所述全連接網絡，所述全連接網絡輸出所述預測分位數；
根據所述點預測模型和所述預測殘差，確定概率殘差預測模型，包括：
根據所述點預測模型，確定點預測值；
獲取所述點預測值的分位數；
獲取所述預測殘差的分位數；
根據所述點預測值的分位數和所述預測殘差的分位數，確定所述電力系統短期負荷；根據所述點預測模型和所述預測殘差，確定概率殘差預測模型，包括：
根據所述點預測模型、所述第二數據集中的所述歷史負荷數據和相關因子訓練所述概率殘差預測模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于國網北京市電力公司;國家電網有限公司，未經國網北京市電力公司;國家電網有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011303804.0/1.html，轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
