[發明專利]一種針對峰值負荷及其出現時間的預測方法及其裝置

在審

• 申請號: 202211557337.3
• 申請日: 2022-12-06
• 公開（公告）號: CN115759469A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 車琰瑛;劉飛;魏招毅;楊海林;田旭;張祥成;武宏波;鄧皓元;劉聯濤;彭飛
• 申請（專利權）人: 國網青海省電力公司經濟技術研究院;清華四川能源互聯網研究院;國網青海省電力公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F18/214;G06N3/0499;G06N3/084;G06N3/098
• 代理公司: 成都睿道專利代理事務所(普通合伙) 51217
• 代理人: 薛波

1.一種針對峰值負荷及其出現時間的預測方法，其特征在于，包括如下步驟：

構建電力負荷數據集并進行歸一化處理，設置多個基準預測模型，基于電力負荷數據集建立基于梯度下降算法的集成學習模型；

通過訓練好的集成學習模型進行電力負荷預測，從預測結果中提取最大預測峰值負荷作為輸入向量以及該峰值負荷出現時間作為標簽，構建峰值負荷數據集；

建立基于前饋神經網絡的電力峰值負荷及出現時間的預測模型，根據峰值負荷數據集對其進行迭代訓練，得到訓練好的預測模型，通過所述訓練好的預測模型進行峰值負荷及其出現時間的預測。

2.如權利要求1所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述構建電力負荷數據集并進行歸一化處理包括：通過最大最小歸一化，得到歸一化負荷輸入特征矩陣以及歸一化待預測負荷標簽矩陣。

3.如權利要求2所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述負荷輸入特征矩陣由時間信息、溫度信息、節假日信息以及負荷增長趨勢項組成，其中所述時間信息包括時間的數字編碼和正余弦編碼。

4.如權利要求1至3任一項所述的針對峰值負荷及其出現時間的預測方法，其特征在于，方法還包括：隨機抽取電力負荷數據集中預設比例樣本作為訓練集、驗證集以及測試集。

5.如權利要求4所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述基于電力負荷數據集建立基于梯度下降算法的集成學習模型包括：

在訓練集上，基于均方誤差損失函數利用梯度下降法對每一個基準預測模型進行參數更新，得到多個訓練好的基準預測模型；

將驗證集輸入訓練好的基準預測模型，獲得負荷預測輸出；

基于基準預測模型輸出進行集成學習，構建集成學習模型。

6.如權利要求4所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述通過所述訓練好的預測模型進行峰值負荷及其出現時間的預測包括：將測試集上的負荷輸入特征矩陣輸入預測模型，得到日前峰值負荷預測值、峰值負荷及其出現時間預測值；

基于日前峰值負荷預測值更新歸一化函數參數，利用更新后的歸一化函數參數獲得反歸一化峰值負荷及其出現時間預測值。

7.如權利要求5所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述均方誤差損失函數的表達式如下：

上式中，N表示電力負荷數據集樣本數，Y_train表示訓練集待預測負荷標簽矩陣，f(X_train)表示基準預測模型。

8.如權利要求5所述的針對峰值負荷及其出現時間的預測方法，其特征在于，所述基于基準預測模型輸出進行集成學習的損失函數表達式如下：

上式中，M表示基準預測模型數量，Y_val表示驗證集待預測負荷標簽矩陣，W^T表示基準預測模型輸出權重列向量的倒置，表示基準預測模型集F的峰值負荷預測值。

9.如權利要求1所述的針對峰值負荷及其出現時間的預測方法，其特征在于，在所述電力峰值負荷及出現時間的預測模型中，針對電力峰值負荷預測的損失函數如下：

上式中，N′表示峰值負荷數據集樣本數，Y_peak表示真實峰值負荷值，表示所以基準預測模型的峰值負荷預測值；

針對峰值負荷出現時間預測的損失函數如下：

上式中，y_i為真實峰值負荷出現的小時標簽，p_i表示神經網絡輸出類別為i的概率。

10.一種針對峰值負荷及其出現時間的預測裝置，應用到如權利要求1至9任一項所述的方法，其特征在于，包括：

模型構建模塊，用于構建電力負荷數據集并進行歸一化處理，設置多個基準預測模型，基于電力負荷數據集建立基于梯度下降算法的集成學習模型；

數據集構建模塊，用于通過訓練好的集成學習模型進行電力負荷預測，從預測結果中提取最大預測峰值負荷作為輸入向量以及該峰值負荷出現時間作為標簽，構建峰值負荷數據集；

模型訓練模塊，用于建立基于前饋神經網絡的電力峰值負荷及出現時間的預測模型，根據峰值負荷數據集對其進行迭代訓練，得到訓練好的預測模型；

預測模塊，用于通過所述訓練好的預測模型進行峰值負荷及其出現時間的預測。