[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

本發明涉及電力系統負荷預測技術領域，具體而言，涉及一種針對峰值負荷及其出現時間的預測方法及其裝置，步驟如下：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進行預測。本發明能夠有效集成若干高效預測模型并自適應調整反歸一化參數，有利于提高峰值負荷及其出現時間的預測精度。

技術領域

本發明涉及電力系統負荷預測技術領域，具體而言，涉及一種針對峰值負荷及其出現時間的預測方法及其裝置。

背景技術

近年來，我國電力峰值負荷增長速度較快，峰值負荷不斷刷新，導致在負荷高峰時段電力供需不平衡問題日益突出，電網運行成本增加。準確的峰值負荷預測可以為系統即時電力電量平衡和提高電網供電服務能力提供支撐，減少供需不平衡導致的生產損失，從而提高經濟性。然而，相比于每日平均電力負荷，峰值負荷因為幅值波動大、出現時刻不固定而更難預測，從而導致了傳統負荷預測模型在預測峰值負荷時存在幅值和時刻上的較大偏差。

因此，為解決上述問題，本發明提出了一種針對峰值負荷及其出現時間的預測方法及其裝置。

發明內容

本發明的目的在于提供一種針對峰值負荷及其出現時間的預測方法及其裝置，有助于解決電力系統峰值負荷及其出現時間預測難、精度低的問題。

本發明的實施例通過以下技術方案實現：一種針對峰值負荷及其出現時間的預測方法，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。

根據一種優選實施方式，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。

根據一種優選實施方式，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。

根據一種優選實施方式，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。

根據一種優選實施方式，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。

根據一種優選實施方式，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。

根據一種優選實施方式，所述均方誤差損失函數的表達式如下：