[發明專利]一種基于人工智能的電力負荷識別與預測方法

在審

• 申請號: 202110718458.0
• 申請日: 2021-06-28
• 公開（公告）號: CN113361802A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 易秀成;伍家翀;吳南章;傅天憶;易冉
• 申請（專利權）人: 杭州易龍電安科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 裴金華

1.一種基于人工智能的電力負荷識別與預測方法，其特征是：包括以下步驟：

S1：建立負荷識別模型并訓練；

S2：根據用戶歷史用電負荷曲線將用戶劃分為多個用戶組；

S3：給每個用戶組建立組負荷預測模型；

S4：給每個用戶組的組負荷預測模型建立訓練集，訓練集包括用戶組的歷史總用電負荷、對應的時間、溫度參數及負荷識別模型識別到的電器類型；

S5：利用訓練集對組負荷預測模型進行訓練；

S6：建立總負荷預測模型并進行訓練；

S7：利用負荷識別模型進行負荷識別；

S8：利用組負荷預測模型預測各個用戶組的電力負荷并根據實際電力負荷進行參數調整；

S9：利用總負荷預測模型預測所有用戶的總電力負荷并根據實際總電力負荷進行參數調整。

2.根據權利要求1所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：所述步驟S1中，獲取不同類型電器接入前后一段時間用戶總線處電壓、電流及功率信息的波形圖并提取時域特征和頻域特征組合成某一類電器的穩態特征，利用獲得的電器的穩態特征對負荷識別模型進行訓練。

3.根據權利要求1所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：所述步驟S8中對用戶組的電力負荷進行預測時，每個用戶組設置兩個訓練好的組負荷預測模型，分別記為模型A和模型B，模型A和模型B的初始參數相同，用戶組的電力負荷預測結果P1=Ax+By，x，y為權重，A為模型A的預測值，B為模型B的預測值。

4.根據權利要求3所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：所述模型B在多次預測后，以預測時的輸入和實際電力負荷結果進行參數調整。

5.根據權利要求3所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：所述x=|B-P|/(|A-P|+|B-P|)，y=|A-P|/(|A-P|+|B-P|)，P為用戶組實際的電力負荷。

6.根據權利要求5所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：當x的值持續多次小于第一設定值時，將模型B的參數賦予模型A。

7.根據權利要求3所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：所述步驟S9中，總負荷預測模型進行多次預測后，以預測時的輸入和實際總電力負荷結果進行參數調整。

8.根據權利要求7所述的一種基于人工智能的電力負荷識別與預測方法，其特征是：當n與m的比值大于第二設定值時，總負荷預測模型停止參數調整，直至n與m的比值小于第二設定值，n為yx的用戶組組數，m為總用戶組數。