[發明專利]電力系統短期負荷預測方法、系統、設備及介質

有效

• 申請號: 202011351479.5
• 申請日: 2020-11-27
• 公開（公告）號: CN112215442B
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 王巖;宋旭日;李立新;葉瑞麗;謝琳;馮瓊;崔燦;李博;范士雄;狄方春;李勁松;李大鵬;封超涵;夏文岳;楊清波;王佳琪;劉升;張周杰;武書舟;劉東;馬欣欣;陶蕾;徐鑫
• 申請（專利權）人: 中國電力科學研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 文驪鹍

1.一種電力系統短期負荷預測方法，其特征在于，包括以下步驟：

獲取電力系統待預測時段前預設時段的負荷數據及負荷影響數據；

獲取電力系統待預測時段的負荷影響數據；

根據電力系統待預測時段的負荷影響數據，以及電力系統待預測時段前預設時段的負荷數據及負荷影響數據，通過預設的負荷預測網絡模型進行預測，得到電力系統待預測時段的負荷預測結果；

其中，預設的負荷預測網絡模型通過采用電力系統的歷史數據訓練時間卷積網絡模型得到。

2.根據權利要求1所述的電力系統短期負荷預測方法，其特征在于，所述負荷影響數據包括氣象數據或氣象數據和節假日數據。

3.根據權利要求1所述的電力系統短期負荷預測方法，其特征在于，所述采用電力系統的歷史數據訓練時間卷積網絡模型的具體方法為：

獲取電力系統的歷史數據，歷史數據包括歷史負荷數據及歷史負荷影響數據；

將電力系統的歷史數據劃分為訓練集和測試集；

通過訓練集訓練時間卷積網絡模型，得到初始負荷預測網絡模型；

通過測試集測試初始負荷預測網絡模型，得到測試結果，根據測試結果評價初始負荷預測網絡模型，將滿足預設評價指標的初始負荷預測網絡模型作為負荷預測網絡模型。

4.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述將電力系統的歷史數據劃分為訓練集和測試集的具體方法為：

將電力系統的歷史數據進行預處理，得到預處理數據；

將預處理數據按照預設比例劃分為訓練集和測試集。

5.根據權利要求4所述的電力系統短期負荷預測方法，其特征在于，所述將電力系統的歷史數據進行預處理，得到預處理數據的具體方法為：

獲取電力系統的歷史數據中各數據的類型；

當數據的類型為連續型變量時，將數據進行歸一化處理得到預處理數據；

當數據的類型為離散型變量時，將數據進行編碼處理映射為二進制向量，得到預處理數據。

6.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述通過訓練集訓練時間卷積網絡模型前，還包括：

獲取訓練集內各數據的數據類型；

當數據類型為稀疏特征數據時，通過人工神經網絡將數據進行降維處理至預設維度。

7.根據權利要求6所述的電力系統短期負荷預測方法，其特征在于，所述通過人工神經網絡將預處理數據進行降維處理時，將人工神經網絡的各隱含層均進行隨機失活處理。

8.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述根據測試結果評價初始負荷預測網絡模型的具體方法為：

根據電力系統的歷史數據及測試結果，得到測試結果的平均絕對百分誤差和均方誤差，當平均絕對百分誤差和均方誤差均小于預設的平均絕對百分誤差值及均方誤差值時，初始負荷預測網絡模型滿足預設評價指標。

9.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述通過訓練集訓練時間卷積網絡模型時，將時間卷積網絡模型的各卷積層均進行隨機失活處理。

10.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述通過訓練集訓練時間卷積網絡模型時，將時間卷積網絡模型內當前卷積層輸出的卷積結果進行批標準化處理后輸入下一卷積層。

11.根據權利要求3所述的電力系統短期負荷預測方法，其特征在于，所述通過訓練集訓練時間卷積網絡模型時，將時間卷積網絡模型內最后一個卷積層輸出的卷積結果根據注意力機制進行加權處理，將加權處理后的卷積結果進行全連接映射，得到映射結果并根據映射結果優化時間卷積網絡模型。