[發明專利]負荷預測方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202011485775.4
• 申請日: 2020-12-16
• 公開（公告）號: CN112598248B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 王紅斌;莫文雄;欒樂;許中;楊柳;崔屹平;孔令明;范偉男;劉田;徐碩;馬智遠;彭和平
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06Q10/0637
• 分類號: G06Q10/0637;G06N3/0464;G06N3/0442;G06N3/049;G06N3/08;G06Q50/06
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 郭鳳杰

1.一種負荷預測方法，其特征在于，所述方法包括：

獲取待預測的目標時間段之前的預設時間段內，目標臺區中配電變壓器的歷史負荷數據；

按照與配電變壓器對應的預設的統計策略對所述歷史負荷數據進行統計學計算，得到所述歷史負荷數據對應的N個統計特征參數，N為正整數；

將所述N個統計特征參數輸入至預測模型中，得到所述預測模型輸出的所述目標時間段內所述配電變壓器的負荷數據，所述預測模型包括輸入層、卷積神經網絡CNN層、長短期記憶網絡LSTM層和輸出層；

其中，所述按照與配電變壓器對應的預設的統計策略對所述歷史負荷數據進行統計學計算，得到所述歷史負荷數據對應的N個統計特征參數，包括：

對所述預設時間段最后一天的歷史負荷數據進行統計學計算，得到第一統計特征參數；

對所述預設時間段最后三天的歷史負荷數據進行統計學計算，得到第二統計特征參數；

對所述預設時間段最后七天的歷史負荷數據進行統計學計算，得到第三統計特征參數；

對所述預設時間段最后四個同一星期類型的歷史負荷數據進行統計學計算，得到第四統計特征參數；

對所述預設時間段最后三十天的歷史負荷數據進行統計學計算，得到第五統計特征參數；

所述預測模型的訓練過程包括：

獲取所述配電變壓器的多個樣本歷史負荷數據；

對所述多個樣本歷史負荷數據進行預處理，得到預處理后的多個樣本歷史負荷數據；

對所述預處理后的多個樣本歷史負荷數據進行隨機性分析，剔除隨機性較大的樣本歷史負荷數據，得到隨機性分析處理后的樣本歷史負荷數據；

從所述隨機性分析處理后的樣本歷史負荷數據中抽取多個訓練樣本歷史負荷數據；

按照所述預設的統計策略對各所述訓練樣本歷史負荷數據進行統計學計算，得到各所述訓練樣本歷史負荷數據對應的M個統計特征參數；

對所述M個統計特征參數進行提取，得到N個統計特征參數；

基于所述多個訓練樣本歷史負荷數據中的N個統計特征參數，對未經訓練的預測模型進行訓練，得到所述預測模型。

2.根據權利要求1所述的方法，其特征在于，所述第一統計特征參數包括所述預設時間段最后一天的歷史負荷數據對應的每時的負荷數據、日負荷數據均值、日負荷數據最低值以及日負荷數據最高值；

所述第二統計特征參數，包括：所述預設時間段最后三天的歷史負荷數據對應的日負荷數據均值；

所述第三統計特征參數，包括：所述預設時間段最后七天的歷史負荷數據對應的每時的負荷數據以及日負荷數據均值；

所述第四統計特征參數，包括：所述預設時間段最后四個同一星期類型的歷史負荷數據對應的每時的負荷數據；

所述第五統計特征參數，包括：所述預設時間段最后三十天的歷史負荷數據對應的每時的負荷數據均值。

3.根據權利要求1所述的方法，其特征在于，所述對所述多個樣本歷史負荷數據進行預處理，得到預處理后的多個樣本歷史負荷數據，包括：

去除所述樣本歷史負荷數據中的錯誤值與冗余值；

查詢所述樣本歷史負荷數據中缺失的數據段，并確定所述缺失的數據段對應的缺失時間長度，依據所述缺失時間長度補全所述缺失的數據段。

4.根據權利要求3所述的方法，其特征在于，所述依據所述缺失時間長度補全所述缺失的數據段，包括：

若所述缺失時間長度在1小時以內，則采用插值法填補全所述缺失的數據段；

若所述缺失時間長度大于1小時小于24小時，則采用所述目標時間段最后三天相同時間段的負荷數據的平均值補全所述缺失的數據段；

若所述缺失時間長度大于等于24小時，采用所述目標時間段最后七天相同時間段的負荷數據的平均值補全所述缺失的數據段。

5.根據權利要求1所述的方法，其特征在于，所述對所述預處理后的多個樣本歷史負荷數據進行隨機性分析，剔除隨機性較大的樣本歷史負荷數據，得到隨機性分析處理后的樣本歷史負荷數據，包括：

基于LB統計量對所述預處理后的多個樣本歷史負荷數據的時間序列進行白噪聲檢驗；

根據所述白噪聲檢驗結果，判斷所述時間序列是否具有隨機性分析，剔除隨機性較大的樣本歷史負荷數據的時間序列，得到隨機性分析處理后的樣本歷史負荷數據。