CN113077105A - 一种长假日负荷预测方法及装置 - Google Patents

Abstract

本发明公开了一种长假日负荷预测方法及装置，该方法包括：获取预测区域的日负荷数据和日气象指标数据；获取待预测日期t的日负荷参考数据；获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；通过预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，并预测分析待预测日期t的日停工产业负荷数据；基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据，通过日负荷拟合模型获得待预测日期t的日负荷预测数，本发明通过对不同成分的负荷采用不同的预测方法，有效提高整体的预测准确率。

Description

一种长假日负荷预测方法及装置

技术领域

本发明涉及电力负荷预测技术领域，具体涉及一种长假日负荷预测方法及装置。

背景技术

电力系统负荷预测是在历史负荷数据的基础_上进行的,对历史负荷数据的特性进行系统地研究和分析，找出其变化特点、变化趋势及规律性，是负荷预测的前提，也是负荷管理的一项基础性工作。负荷特性分析的精细程度直接影响负荷预测的准确率。在实际中，重大事件或春节、国庆节等特殊节日会对负荷的变化趋势产生很大的影响，所以，如何提高特殊日的负荷预测精度是一个需要深入研究的难题。

发明内容

针对上述现有技术存在的问题，本发明提供了一种长假日负荷预测方法及装置，通过将负荷分解为“日负荷参考数据+气象负荷+停工产业负荷”，对不同成分的负荷采用不同的预测方法，有效提高预测效果。该技术方案如下：

第一方面，提供了一种长假日负荷预测方法，包括：

(1)获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

(2)基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

(3)基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

(4)基于前n年的日负荷数据和日气象负荷数据，通过预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

(5)基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据，通过日负荷拟合模型获得待预测日期t的日负荷预测数据。

作为上述方案的进一步优化，所述步骤(2)包括如下步骤：

获取待预测日期t位于所属长假日的天数i(i＝1,2，...，T)，T为待预测日期t所属长假日的假期总天数；

当i＝1时：

对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷以及年基础负荷增长率；

基于前n年的年基础负荷增长率预测分析待预测日期t所属年份Y1的年基础负荷增长率；

基于Y1年份的年基础负荷增长率获得Y1年份的年基础负荷，作为待预测日期t的日负荷参考数据A_i；

当i≠1时：

获取待预测日期t所属长假日时段内待预测日期t前的日负荷数据A₁，A₂，...,A_i-1，待预测日期t的日负荷参考数据

其中K_m为拟合系数。

作为上述方案的进一步优化，所述当i＝1时，对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷，具体方法为：

获取待预测日期t所属节假日时期所在月份L；

获取前n年的每年的L月份的除节假日和周末最大日负荷的平均值，记为每一年的年基础负荷。

作为上述方案的进一步优化，所述当i≠1时的日负荷参考数据A_i获取方法中，

作为上述方案的进一步优化，所述步骤(3)包括如下步骤：

当i＝1时：

基于预测区域前n年的日气象指标数据，获取预测区域日负荷不发生变化时的日气象指标作为待预测日期t的日气象指标参考数据B_rf；

基于日期t的日气象指标参考数据B_rf和日期t的日气象指标数据B_i获取待预测日期t的日气象负荷C_i＝K_j1*(B_i-B_rf)*B_is，其中B_is为第i天的日气象指标灵敏度，其中K_j为拟合系数；

当i≠1时：

获取待预测日期t所属长假日时段内待预测日期t前的日气象指标B₁，B₂，...,B_i-1，待预测日期t的日气象指标参考数据

获取待预测日期t的日气象负荷C_i＝K_j2(B_i-B_rf)*B_is。

作为上述方案的进一步优化，所述K_j1取值0.5，K_j2＝1，所述当i≠1时的待预测日期t的日气象指标参考数据B_rf获取方法中，拟合系数

作为上述方案的进一步优化，所述步骤(4)包括如下步骤：

将待预测日期t所属长假日时段的前n年中第l年的同期的日负荷数据A_il′、日气象负荷数据C_il′和第l年的年基础负荷D_il′输入预设停工产业拟合模型获得前n年的第l年的同期长假日第i天的日停工产业负荷数据E_il′＝λ₁D_il′+λ₂A_il′+λ₃C_il′，其中λ₁，λ₂，λ₃为拟合系数，λ₂A_il′+λ₃C_il′表示刨除气象影响的负荷；

当i＝1时：

基于拟合模型获得前n年的待预测日期t历史同期的日停工产业负荷数据，则待预测日期t的日停工产业负荷数据

其中K_l为拟合系数，α_l为第l年的年基础负荷增长率；

当i≠1时：

通过前n年的历史同期的每天刨除气象影响的负荷的差值获得待预测日期t的日停工产业负荷数据E_i；

或基于待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据E₁，E₂，...，E_i-1，获取待预测日期t的日停工产业负荷数据

其中K_q为拟合系数。

作为上述方案的进一步优化，所述预设停工产业拟合模型中，λ₁＝1，λ₂＝-1，λ₃＝1或者-1，拟合系数

作为上述方案的进一步优化，所述步骤(5)中的日负荷拟合模型为：

基于待预测日期t的日负荷参考数据A_i、日气象负荷C_i和日停工产业负荷数据E_i输入日负荷拟合模型获得待预测日期t的日负荷预测数据W_i＝β₁A_i+β₂E_i+β₃C_i，其中β₁、β₂和β₃为拟合常数。

作为上述方案的进一步优化，所述拟合常数β₁＝1，β₃＝1或-1，当i＝1时，β₂＝-1，当i≠1时，β₂＝1。

第二方面，提供了一种长假日负荷预测装置，包括：

历史数据获取模块，用于获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

预测日期日负荷参考数据预测模块，用于基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

预测日期日气象负荷预测模块，用于基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

预测日期日停工产业负荷预测模块，用于将前n年的日负荷数据、日气象负荷数据、年基础负荷输入预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

预测日期日负荷预测模块，基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据输入日负荷拟合模型获得待预测日期t的日负荷预测数据。

第三方面，提供了一种电子设备，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现上述的一种长假日负荷预测方法。

第四方面，提供了一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现上述的一种长假日负荷预测方法。

本发明的一种长假日负荷预测方法及装置，具备如下有益效果：本发明通过负荷分解为“日负荷参考数据+日气象负荷+日停工产业负荷”，将日负荷分解成不同的成分，对不同成分的负荷采用不同的预测方法，以建立精确的数学模型来预测负荷水平，从而有效提高整体的预测准确率，大大简化负荷管理的可操作性。经过实例验证，本发明的长假日负荷预测方法预测结果能够达到很好的预测效果，除了少数点出现较大波动，整体预测准确率误差都小于4％。

附图说明

图1是本发明的一种长假日负荷预测方法的整体流程图；

图2是本发明中获取待测日期的日负荷参考数据的方法流程图；

图3是本发明中获取待测日期的日气象负荷数据的方法流程图；

图4是本发明中获取待测日期的日停工产业负荷数据的方法流程图；

图5是本发明的一种长假日负荷预测装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明实施例中提供了一种长假日负荷预测方法，包括：

(1)获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

(2)基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

(3)基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

(4)基于前n年的日负荷数据和日气象负荷数据，通过预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

(5)基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据，通过日负荷拟合模型获得待预测日期t的日负荷预测数据。

考虑到实际日负荷是由不同用电性质的多类负荷叠加而成，本发明实施例提供的长假日负荷预测方法通过负荷分解为“日负荷参考数据+日气象负荷+日停工产业负荷”，将日负荷分解成不同的成分，对不同成分的负荷采用不同的预测方法，以建立精确的数学模型来预测负荷水平，从而有效提高整体的预测准确率，大大简化负荷管理的可操作性。

假设待预测日期t所属长假日时段为2020年国庆节10月1日到10月7日，若待预测日期t为2020年10月5日，上述处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据，包括从2020年10月1日到2020年10月4日的日负荷数据，当然，若待预测日期t为2020年10月1日，则该待测日期没有处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据，此时基于前n年的日负荷数据作为历史数据，对待测日期t的日负荷参考数据进行分析预测。

另外，上述步骤(1)中，获取的每日的数据，如果存在实测值，则采用实测值，如果实测值还未发生，则采用预测值进行下述步骤的计算。

具体的，上述步骤(2)获取待测日期t的日负荷参考数据的方法，包括如下步骤：

获取待预测日期t位于所属长假日的天数i(i＝1,2，...，T)，T为待预测日期t所属长假日的假期总天数；

当i＝1时，即待测日期t属于该长假日时段的第1天：

对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷以及年基础负荷增长率，本实施例中每年的年基础负荷的分析计算方法为：

获取待预测日期t所属节假日时期所在月份L；

获取前n年的每年的L月份的除节假日和周末最大日负荷的平均值，记为每一年的年基础负荷；

通过每一年的年基础负荷获得年基础负荷增长率，然后基于前n年的年基础负荷增长率预测分析待预测日期t所属年份Y1的年基础负荷增长率，在本实施例中该预测分析方法采用较为简便的计算方式，即选取上一年的基础负荷增长率或者历史n年基础负荷增长率的平均值，作为Y1年份的年基础负荷增长率；

基于Y1年份的年基础负荷增长率获得Y1年份的年基础负荷，作为待预测日期t的日负荷参考数据A_i；

即当待测日期t是所属长假日时段的首日时，比如t为2021年国庆节当天10月1日，则2021年10月1日的年基础负荷，可以通过先计算上一年10月份除节假日和周末最大负荷的平均值和历史n年的年基础负荷增长率，然后基于该平均值和选择确定的2021年的年基础负荷增长率获得2021年的年基础负荷。

当i≠1时，即待测日期t属于该长假日时段的非第1天：

获取待预测日期t所属长假日时段内待预测日期t前的日负荷数据A₁，A₂，...,A_i-1，待预测日期t的日负荷参考数据

其中K_m为拟合系数，即当待测日期t在所属长假日时段内不是首日时，比如t为2021年国庆假期的10月5日，将根据2021年10月1日到10月4日的日负荷数据进行线性分析，对10月5日的日负荷参考数据A_i进行分析预测，本实施例中，上述拟合系数

即待测日期t属于该长假日时段的非第1天时，采用昨日的日负荷数据获取待测日期t作为日负荷参考数据A_i，进一步的，

即采用昨日的日负荷数据作为待测日期t作为日负荷参考数据A_i。

上述步骤(3)获取待预测日期t的日气象负荷的方法，包括如下步骤：

当i＝1时：

基于预测区域前n年的日气象指标数据，获取预测区域日负荷不发生变化时的日气象指标作为待预测日期t的日气象指标参考数据B_rf，安徽地区的日负荷不发生变化时的日气象指标为17摄氏度；

基于日期t的日气象指标参考数据B_rf和日期t的日气象指标数据B_i，通过第一气象负荷预测模型获取待预测日期t的日气象负荷C_i＝K_j1*(B_i-B_rf)*B_is，其中B_is为第i天的日气象指标灵敏度，其中K_j为拟合系数；

当i≠1时：

获取待预测日期t所属长假日时段内待预测日期t前的日气象指标B₁，B₂，...,B_i-1，待预测日期t的日气象指标参考数据

通过第二气象负荷预测模型获取待预测日期t的日气象负荷C_i＝K_j2(B_i-B_rf)*B_is。

在本实施例中，日气象指标灵敏度B_is获得方法为，根据历史数据中的日气象指标和日负荷进行曲线拟合，并基于拟合曲线获取单位日气象指标变化对日负荷产生的影响作为日气象指标的灵敏度。

上述K_j1取值0.5，K_j2＝1，上述当i≠1时的待预测日期t的日气象指标参考数据B_rf获取方法中，拟合系数

即当i≠1时待预测日期t的日气象指标参考数据B_rf只与昨日的日气象指标有关，进一步的，

i≠1时采用昨日的日气象指标作为待预测日期t的日气象指标参考数据B_rf，本实施例中日气象指标采用温度值，比如日最高温度值。

上述步骤(4)获取待测日期t的日停工产业负荷数据的方法，包括如下步骤：

将待预测日期t所属长假日时段的前n年中第l年的同期的日负荷数据A_il′、日气象负荷数据C_il′和第l年的年基础负荷D_il′输入预设停工产业拟合模型获得前n年的第l年的同期长假日第i天的日停工产业负荷数据E_il′＝λ₁D_il′+λ₂A_il′+λ₃C_il′，其中λ₁，λ₂，λ₃为拟合系数，λ₂A_il′+λ₃C_il′表示刨除气象影响的负荷，在本实施例中，λ₁＝1，λ₂＝-1，λ₃＝1或者-1，即比如2020年10月1日的日停工产业负荷数据＝2020年的年基础负荷-2020年10月1日的日负荷数据±2020年10月1日的日气象负荷；

当i＝1时，即长假日首日的日停工产业负荷数据预测方法为：

基于拟合模型获得前n年的待预测日期t历史同期的日停工产业负荷数据，则待预测日期t的日停工产业负荷数据

其中K_l为拟合系数，α_l为第l年的年基础负荷增长率，在本实施例中，拟合系数

即待预测日期t的日停工产业负荷数据E_i只与Y1-1年份(去年)的同期日停工产业负荷数据有关，进一步的，

即待预测日期t的日停工产业负荷数据E_i＝去年的同日期的日停工产业负荷数据*当年的年基础负荷增长率，以待测日期t为2021年10月1日为例，则日期t的日停工产业负荷数据的预测值＝2020年10月1日的日停工产业负荷数据*2020年的年基础负荷增长率；

当i≠1时，即长假日非首日的日停工产业负荷数据预测方法包括以下两种方法：

方法一、通过前n年的历史同期的每天刨除气象影响的负荷的差值获得待预测日期t的日停工产业负荷数据E_i，具体的先获取历史同期的每天刨除气象影响的负荷的差值，再将获得的多个差值求平均值作为E_i；

方法二、基于待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据E₁，E₂，...，E_i-1，获取待预测日期t的日停工产业负荷数据

即待预测日期t的日停工产业负荷与待预测日期前的长假日每一天的日停工产业负荷相关，其中K_q为拟合系数，在本实施例中

即长假日非首日的日停工产业负荷数据预测值＝长假日首日的日停工产业负荷数据预测值/6。

上述步骤(5)获取待测日期t的日负荷预测值的日负荷拟合模型为：

基于待预测日期t的日负荷参考数据A_i、日气象负荷C_i和日停工产业负荷数据E_i输入日负荷拟合模型获得待预测日期t的日负荷预测数据W_i＝β₁A_i+β₂E_i+β₃C_i，其中β₁、β₂和β₃为拟合常数，即待测日期t的日负荷与日负荷参考数据、日停工产业负荷数据、日气象负荷数据相关，在本实施例中，日负荷拟合模型中的拟合常数β₁＝1，β₃＝1或-1，当i＝1时，β₂＝-1，当i≠1时，β₂＝1，即长假日首日的日负荷预测值＝长假日首日的日负荷参考数据-日停工产业负荷数据±长假日首日的日气象负荷数据，长假日非首日的日负荷预测值＝非首日的日负荷参考数据-非首日的日停工产业负荷数据±非首日的日气象负荷数据。

基于上述方法，对安徽地区的国庆假期日负荷进行预测，部分预测数据和相关数据如下表所示：

需要说明的是表1中，2020年的10月2日额外加了100万负荷，因为根据安徽省2020年工业生产要求，2020年国庆假期大部分企业只放1天假，第二天就复工。

本实施例中提供的长假日负荷预测方法，将负荷分解为“基础负荷+气象负荷+停工产业负荷”，对不同成分的负荷采用不同的预测方法，最后，由表1的预测结果可以看出，本实施例的长假日负荷预测方法预测结果能够达到很好的预测效果，除了少数点出现较大波动，整体预测准确率误差都小于4％。

本发明实施例还提供了一种长假日负荷预测装置，包括：

历史数据获取模块，用于获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

预测日期日负荷参考数据预测模块，用于基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

预测日期日气象负荷预测模块，用于基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

预测日期日停工产业负荷预测模块，用于将前n年的日负荷数据、日气象负荷数据、年基础负荷输入预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

预测日期日负荷预测模块，基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据输入日负荷拟合模型获得待预测日期t的日负荷预测数据。

上述述预测日期日负荷参考数据预测模块包括：

历史年份年基础负荷计算单元，用于对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷以及年基础负荷增长率

年基础负荷增长率预测单元，用于基于前n年的年基础负荷增长率预测分析待预测日期t所属年份Y1的年基础负荷增长率；

日负荷参考数据第一预测单元，用于基于Y1年份的年基础负荷增长率获得Y1年份的年基础负荷，作为待预测日期t的日负荷参考数据A_i；

日负荷参考数据第二预测单元，用于基于待预测日期t所属长假日时段内待预测日期t前的日负荷数据进行线性拟合，获取待预测日期t的日负荷参考数据。

关于上述长假日负荷预测装置的具体限定可以参见上文中对于长假日负荷预测方法的限定，在此不再赘述。上述长假日负荷预测装置中的各个模块、单元可全部或部分通过软件、硬件及其组合来实现。上述各模块、单元可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个单元对应的操作。

本发明实施例还提供了一种电子设备，所述电子设备包括通过系统总线连接的处理器、存储器和网络接口：

存储器，用于存储可执行指令，；

处理器，用于运行所述存储器存储的可执行指令时，实现上述的一种长假日负荷预测方法。

该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、电子程序和数据库，数据库用于存储日负荷数据、日气象指标数据和计算得到的日停工产业负荷数据、日气象负荷数据等；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。

该电子设备的处理器用于提供计算和控制能力。

该电子设备的网络接口用于与外部的终端通过网络连接通信。

本发明实施例还提供了一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现上述的一种长假日负荷预测方法。

例如，该计算机可读存储介质可以是只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、只读光盘(compact disc read-only memory，CD-ROM)、磁带、软盘和光数据存储节点等。

本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所做出的种种变换，均落在本发明的保护范围之内。

Claims (10)

1.一种长假日负荷预测方法，其特征在于，包括：

(1)获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

(2)基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

(3)基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

(4)基于前n年的日负荷数据和日气象负荷数据，通过预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

(5)基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据，通过日负荷拟合模型获得待预测日期t的日负荷预测数据。

2.根据权利要求1所述的一种长假日负荷预测方法，其特征在于，所述步骤(2)包括如下步骤：

获取待预测日期t位于所属长假日的天数i(i＝1,2，...，T)，T为待预测日期t所属长假日的假期总天数；

当i＝1时：

对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷以及年基础负荷增长率；

基于前n年的年基础负荷增长率预测分析待预测日期t所属年份Y1的年基础负荷增长率；

基于Y1年份的年基础负荷增长率获得Y1年份的年基础负荷，作为待预测日期t的日负荷参考数据A_i；

当i≠1时：

获取待预测日期t所属长假日时段内待预测日期t前的日负荷数据A₁，A₂，...,A_i-1，待预测日期t的日负荷参考数据

其中K_m为拟合系数。

3.根据权利要求2所述的一种长假日负荷预测方法，其特征在于，所述当i＝1时，对前n年的日负荷数据进行分析，通过线性计算，获得前n年的年基础负荷，具体方法为：

获取待预测日期t所属节假日时期所在月份L；

获取前n年的每年的L月份的除节假日和周末最大日负荷的平均值，记为每一年的年基础负荷。

4.根据权利要求1所述的一种长假日负荷预测方法，其特征在于，所述步骤(3)包括如下步骤：

当i＝1时：

基于预测区域前n年的日气象指标数据，获取预测区域日负荷不发生变化时的日气象指标作为待预测日期t的日气象指标参考数据B_rf；

基于日期t的日气象指标参考数据B_rf和日期t的日气象指标数据B_i获取待预测日期t的日气象负荷C_i＝K_j1*(B_i-B_rf)*B_is，其中B_is为第i天的日气象指标灵敏度，其中K_j为拟合系数；

当i≠1时：

获取待预测日期t所属长假日时段内待预测日期t前的日气象指标B₁，B₂，...,B_i-1，待预测日期t的日气象指标参考数据

获取待预测日期t的日气象负荷C_i＝K_j2(B_i-B_rf)*B_is。

5.根据权利要求1所述的一种长假日负荷预测方法，其特征在于，所述步骤(4)包括如下步骤：

将待预测日期t所属长假日时段的前n年中第l年的同期的日负荷数据A_il′、日气象负荷数据C_il′和第l年的年基础负荷D_il′输入预设停工产业拟合模型获得前n年的第l年的同期长假日第i天的日停工产业负荷数据E_il′＝λ₁D_il′+λ₂A_il′+λ₃C_il′，其中λ₁，λ₂，λ₃为拟合系数，λ₂A_il′+λ₃C_il′表示刨除气象影响的负荷；

当i＝1时：

基于拟合模型获得前n年的待预测日期t历史同期的日停工产业负荷数据，则待预测日期t的日停工产业负荷数据

其中K_l为拟合系数，α_l为第l年的年基础负荷增长率；

当i≠1时：

通过前n年的历史同期的每天刨除气象影响的负荷的差值获得待预测日期t的日停工产业负荷数据E_i；

或基于待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据E₁，E₂，...，E_i-1，获取待预测日期t的日停工产业负荷数据

其中K_q为拟合系数。

6.根据权利要求1所述的一种长假日负荷预测方法，其特征在于，所述步骤(5)中的日负荷拟合模型为：

基于待预测日期t的日负荷参考数据A_i、日气象负荷C_i和日停工产业负荷数据E_i输入日负荷拟合模型获得待预测日期t的日负荷预测数据W_i＝β₁A_i+β₂E_i+β₃C_i，其中β₁、β₂和β₃为拟合常数。

7.根据权利要求6所述的一种长假日负荷预测方法，其特征在于，所述所述拟合常数β₁＝1，β₃＝1或-1，当i＝1时，β₂＝-1，当i≠1时，β₂＝1。

8.一种长假日负荷预测装置，其特征在于，包括：

历史数据获取模块，用于获取预测区域的长假日待预测日期t前的日负荷数据和日气象指标数据、待预测日期t的日气象指标数据；

预测日期日负荷参考数据预测模块，用于基于前n年的日负荷数据或者处于待预测日期t所属长假日时段内待预测日期t前的日负荷数据获取待预测日期t的日负荷参考数据；

预测日期日气象负荷预测模块，用于基于前n年的日气象指标数据或者处于待预测日期t所属长假日时段内的昨日气象指标数据获取待预测日期t的日气象指标参考数据，基于t日气象指标参考数据和t日气象指标数据获取待预测日期t的日气象负荷；

预测日期日停工产业负荷预测模块，用于将前n年的日负荷数据、日气象负荷数据、年基础负荷输入预设停工产业拟合模型获得前n年的长假日期间日停工产业负荷数据，基于拟合模型输出的数据或待预测日期t所属长假日时段内待预测日期t前的日停工产业负荷数据预测分析待预测日期t的日停工产业负荷数据；

预测日期日负荷预测模块，基于待预测日期t的日负荷参考数据、日气象负荷和日停工产业负荷数据输入日负荷拟合模型获得待预测日期t的日负荷预测数据。

9.一种电子设备，其特征在于，所述电子设备包括：

存储器，用于存储可执行指令；

处理器，用于运行所述存储器存储的可执行指令时，实现权利要求1至7任一项所述的一种长假日负荷预测方法。

10.一种计算机可读存储介质，存储有可执行指令，其特征在于，所述可执行指令被处理器执行时实现权利要求1至7任一项所述的一种长假日负荷预测方法。

Images