[發明專利]負荷預測方法、裝置、設備和存儲介質

在審

• 申請號: 202011546942.1
• 申請日: 2020-12-23
• 公開（公告）號: CN112598181A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 趙陽;賀春光;韓長占;韓光;楊書強;吳向明;安佳坤;檀曉林;黃凱;劉梅;韓俊杰;孫鵬飛;郭偉;王雨薇
• 申請（專利權）人: 國網河北省電力有限公司經濟技術研究院;國家電網有限公司;國網河北省電力有限公司;北京清軟創新科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62;H02J3/00
• 代理公司: 石家莊國為知識產權事務所 13120
• 代理人: 付曉娣

本發明適用于電力系統技術領域，提供了一種負荷預測方法、裝置、設備和存儲介質，該方法包括：獲取預設時段內影響目標電力系統的電力負荷的多組變量數據；根據時差相關分析算法，分別計算每組變量數據中各個變量值與電力負荷的相關系數；按照預設方式從目標組變量數據中確定至少一個目標變量值；其中，目標組變量數據中存在至少一個相關系數大于第一預設閾值的變量值，目標變量值的相關系數大于本組變量數據中其余變量值的相關系數；將目標變量值輸入至預設預測模型，得到目標電力系統的預測負荷。采用本發明，可以提高負荷預測準確率。

技術領域

本發明屬于電力系統技術領域，尤其涉及一種負荷預測方法、裝置、設備和存儲介質。

背景技術

電力系統的負荷預測是電力系統規劃、決策和經濟運行的前提和基礎，電力負荷的準確預測對電力系統安全經濟運行和區域國民經濟發展具有重要意義。傳統的負荷預測主要依靠調度員或專家進行主觀判斷。隨著人工智能技術的發展，一系列智能算法被應用到電力負荷預測中，如神經網絡、遺傳灰色徑向基函數模型、增量優化極值學習機、正則化極值學習機、支持向量機等。

然而，目前的電力負荷的預測方式，通常是在預測算法的復雜度上進行優化，預測準確率很難有明顯的提升，導致預測準確率較低。

發明內容

有鑒于此，本發明實施例提供了一種負荷預測方法、裝置、設備和存儲介質，以解決現有技術中預測準確率較低的問題。

本發明實施例的第一方面提供了一種負荷預測方法，包括：

獲取預設時段內影響目標電力系統的電力負荷的多組變量數據；

根據時差相關分析算法，分別計算每組變量數據中各個變量值與電力負荷的相關系數；

按照預設方式從目標組變量數據中確定至少一個目標變量值；其中，目標組變量數據中存在至少一個相關系數大于第一預設閾值的變量值，目標變量值的相關系數大于本組變量數據中其余變量值的相關系數；

將目標變量值輸入至預設預測模型，得到目標電力系統的預測負荷；其中，預設預測模型基于極值梯度提升算法訓練得到，預設預測模型的目標函數以損失函數和正則項同時最小化為目標。

可選的，按照預設方式從目標組變量數據中確定至少一個目標變量值，包括：

將目標組變量數據中相關系數大于第二預設閾值的變量值，確定為目標變量值；

或者，將目標組變量數據中預設比例的變量值，確定為目標變量值；其中，預設比例的變量值的相關系數大于本組變量數據中其余變量值的相關系數。

可選的，損失函數為由一階項和二次項組成的均方誤差函數。

可選的，多組變量數據至少包括經濟數據、氣象數據、上下游產業鏈數據、日歷數據以及電網數據中的一種；

其中，經濟數據至少包括國民生產總值、固定資產投資額、進出口額以及三產增加值中的一種；

氣象數據至少包括溫度、濕度、降雨量以及風速中的一種；

上下游產業鏈數據至少包括汽車產量、鋼鐵產量、煤炭價格以及鋼鐵價格中的一種；

日歷數據至少包括星期類型或節假日中的一種；

電網數據至少包括檢修數據或者口徑數據中的一種。

本發明實施例的第二方面提供了一種負荷預測裝置，包括：

獲取模塊，用于獲取預設時段內影響目標電力系統的電力負荷的多組變量數據；

計算模塊，用于根據時差相關分析算法，分別計算每組變量數據中各個變量值與電力負荷的相關系數；