[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

本發明屬于電力系統調度控制領域，公開了一種電力系統短期負荷預測方法、系統、設備及介質，包括：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。基于時間卷積網絡模型負荷預測網絡模型，能夠進行并行執行數據處理，極大的提升電力系統負荷預測的速度；同時，采用基于時間卷積網絡模型的負荷預測網絡模型進行預測，相較于現有的LSTM模型能夠保留更多的歷史信息，進而保證電力系統短期負荷預測的高準確性要求。

技術領域

本發明屬于電力系統調度控制領域，涉及一種電力系統短期負荷預測方法、系統、設備及介質。

背景技術

電力系統負荷預測通過研究分析歷史上電力負荷的變化情況，以經濟、天氣等影響因素的變化趨勢為依據，對電力需求作出預先的估計與推測，其對電力系統運行產生很大影響。隨著電力市場化的深入推進，系統負荷預測與電力市場的供需關系聯系越來越緊密，直接影響電網運行的安全與經濟。負荷預測分為長期、中期、短期和超短期預測，其中，短期預測指預測出日內每個時刻的負荷，在停電計劃、發電計劃安排中起到重要作用。

目前，短期預測主要基于循環神經網絡、長短時記憶網絡(long short-termmemory network, LSTM)等深度學習理論進行負荷預測。隨著深度學習的蓬勃發展，相關算法被越來越多地應用到了電網調度控制領域，其中，循環神經網絡也被成功應用到了電力系統負荷預測中，循環神經網絡通過對序列數據進行建模，將歷史信息與當前輸入共同作為當前輸出的影響因素，從而對數據的時序變化信息進行表征，比如，公開文獻：電力市場中基于Attention-LSTM的短期負荷預測模型[J]. 電網技術, 2019(5):1745-1751.中公開的，基于Attention-LSTM的短期負荷預測模型，以及公開專利：CN111697560A中提供的一種基于LSTM預測電力系統負荷的方法及系統，均有效提高了負荷預測的準確率。

但是，上述方法中均采用的長短時記憶網絡，然而長短時記憶網絡采用時間序列模型，時間t時刻要依賴時間t-1時刻信息，不能并行執行，因此其預測的速度較慢，并且內部的遺忘門會逐漸遺漏一些歷史信息，導致降低預測的準確性。

發明內容

本發明的目的在于克服上述現有技術中，現有電力系統短期負荷預測的速度慢，準確性低的缺點，提供一種電力系統短期負荷預測方法、系統、設備及介質。

為達到上述目的，本發明采用以下技術方案予以實現：

本發明第一方面，一種電力系統短期負荷預測方法，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。

本發明電力系統短期負荷預測方法進一步的改進在于：

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。

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。