[發明專利]電力負荷預測方法及裝置

在審

• 申請號: 202011400686.5
• 申請日: 2020-12-04
• 公開（公告）號: CN112488399A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 劉科學;周辛南;陳雪敏;楊曉波;丁恒春;楊東升;劉巖;謝楓;邢海瀛
• 申請（專利權）人: 國網冀北電力有限公司計量中心;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 薛平;周曉飛

1.一種電力負荷預測方法，其特征在于，包括：

獲取目標負荷數據；

根據所述目標負荷數據計算貝葉斯神經網絡的目標參數；

根據所述貝葉斯神經網絡和所述目標參數生成電力負荷預測結果。

2.根據權利要求1所述的方法，其特征在于，獲取目標負荷數據，包括：

計算待處理負荷數據與風光發電數據的皮爾遜相關系數；

若所述皮爾遜相關系數大于預設相關度值，則將所述待處理負荷數據作為目標負荷數據。

3.根據權利要求1所述的方法，其特征在于，所述目標參數包括正則化參數和權值參數；

根據所述目標負荷數據計算貝葉斯神經網絡的目標參數，包括：

根據所述目標負荷數據，利用正則化方法計算貝葉斯神經網絡的正則化參數；

根據所述目標負荷數據，利用粒子群優化算法計算貝葉斯神經網絡的權值參數。

4.根據權利要求3所述的方法，其特征在于，包括根據所述目標負荷數據，利用如下公式計算貝葉斯神經網絡的正則化參數：

msereg＝βE_d+αE_w

γ＝N-2α′tr(H)^-1

其中，msereg是誤差函數，α和β是正則化參數，N是樣本總數，e_i是誤差，t_i是目標輸出負荷值，a_i是神經網絡預測輸出負荷值，W_i是網絡權重，α′是迭代計算前的α，H是msereg的黑塞矩陣。

5.根據權利要求3所述的方法，其特征在于，包括根據所述目標負荷數據，利用如下公式計算貝葉斯神經網絡的權值參數：

其中，r₁和r₂是[0，1]之間的均勻分布的隨機數，c₁和c₂是加速度因子，w是慣性權重，v是粒子的飛行速度，x是權值參數粒子，為預測負荷值；y_i為實際負荷值，n為樣本數量，Fitness是粒子適應度函數。

6.一種電力負荷預測裝置，其特征在于，包括：

獲取模塊，用于獲取目標負荷數據；

計算模塊，用于根據所述目標負荷數據計算貝葉斯神經網絡的目標參數；

預測模塊，用于根據所述貝葉斯神經網絡和所述目標參數生成電力負荷預測結果。

7.根據權利要求6所述的裝置，其特征在于，所述獲取模塊，具體用于：

計算待處理負荷數據與風光發電數據的皮爾遜相關系數；

若所述皮爾遜相關系數大于預設相關度值，則將所述待處理負荷數據作為目標負荷數據。

8.根據權利要求6所述的裝置，其特征在于，所述目標參數包括正則化參數和權值參數；所述計算模塊，具體用于：

根據所述目標負荷數據，利用正則化方法計算貝葉斯神經網絡的正則化參數；

根據所述目標負荷數據，利用粒子群優化算法計算貝葉斯神經網絡的權值參數。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至5任一所述電力負荷預測方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有執行權利要求1至5任一所述電力負荷預測方法的計算機程序。