CN113592138A - 电力负荷预测方法及装置 - Google Patents
电力负荷预测方法及装置 Download PDFInfo
- Publication number
- CN113592138A CN113592138A CN202110699028.9A CN202110699028A CN113592138A CN 113592138 A CN113592138 A CN 113592138A CN 202110699028 A CN202110699028 A CN 202110699028A CN 113592138 A CN113592138 A CN 113592138A
- Authority
- CN
- China
- Prior art keywords
- load
- day
- data
- prediction
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012423 maintenance Methods 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 238000013138 pruning Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims 3
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种电力负荷预测方法及装置,该方法包括:对目标区域进行区域划分,得到多个子区域;获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理,得到多个区域类;对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果;根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。本发明提供的电力负荷预测方法及装置能够提高短期电力负荷的预测精度。
Description
技术领域
本发明属于负荷预测技术领域,更具体地说,是涉及一种电力负荷预测方法及装置。
背景技术
电力需求预测对现代电力系统的发展具有十分重要的意义。电力系统的稳定和高效的管理、调度和调度,很大程度上依赖于对未来各时间段负荷的精确预测。特别地,短期负荷预测侧重于预测从几分钟到未来一周的负荷,可靠的短期负荷预测可以有效帮助能源的合理调度。
现有的短期负荷预测中通常基于某一区域的负荷影响数据直接进行该区域的负荷预测,但是该区域内部不同地理位置的负荷变化情况并不相同,直接进行整体区域的负荷预测并不够准确。
发明内容
本发明的目的在于提供一种电力负荷预测方法及装置,以提高短期电力负荷的预测精度。
本发明实施例的第一方面,提供了一种短期电力负荷预测方法,包括:
对目标区域进行区域划分,得到多个子区域;
获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理,得到多个区域类;
对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果;
根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
本发明实施例的第二方面,提供了一种短期电力负荷预测装置,包括:
区域划分模块,用于对目标区域进行区域划分,得到多个子区域;
区域聚类模块,用于获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理,得到多个区域类;
负荷预测模块,用于对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果;
根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
本发明实施例的第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的短期电力负荷预测方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的短期电力负荷预测方法的步骤。
本发明提供的电力负荷预测方法及装置的有益效果在于:
区别于现有技术中直接基于某一区域的负荷影响数据进行负荷预测的方案,本发明首先将目标区域划分为多个子区域,再根据子区域的历史负荷数据对子区域进行聚类处理,对于同一类的子区域采用相同的负荷预测模型。相对于现有技术,本发明考虑到了地理位置因素对负荷预测的影响,能够有效提高短期电力负荷预测的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的短期电力负荷预测方法的流程示意图;
图2为本发明一实施例提供的短期电力负荷预测装置的结构框图;
图3为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参考图1,图1为本发明一实施例提供的短期电力负荷预测方法的流程示意图,该方法包括:
S101:对目标区域进行区域划分,得到多个子区域。
在本实施例中,可以按照行政归属对目标区域进行划分,也可根据供电线路对目标区域进行划分,也可直接按照占地面积对目标区域进行平均划分,此处不作限定。
S102:获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对多个子区域进行聚类处理,得到多个区域类。
在本实施例中,可以对各个子区域的历史负荷数据进行模糊聚类,得到多个区域类。
S103:对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果。根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
在本实施例中,负荷影响数据即为对电力负荷产生影响的数据,其包括但不限于温度、湿度、日期、设备类型、负荷功率等。
在本实施例中,可以将每个区域类中各个子区域在预测日的负荷影响数据输入至各个区域类对应的负荷预测模型中,得到各个区域类对应的负荷预测结果,最后将各个区域类对应的负荷预测结果之和作为目标区域在预测日的负荷数据。
由上可以得出,区别于现有技术中直接基于某一区域的负荷影响数据进行负荷预测的方案,本发明实施例首先将目标区域划分为多个子区域,再根据子区域的历史负荷数据对子区域进行聚类处理,对于同一类的子区域采用相同的负荷预测模型。相对于现有技术,本发明实施例考虑到了地理位置因素对负荷预测的影响,能够有效提高短期电力负荷预测的准确性。
可选地,作为本发明实施例提供的短期电力负荷预测方法的一种具体实施方式,区域类对应的负荷预测模型包括第一负荷预测模型和第二负荷预测模型。
将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果,包括:
将各个子区域在预测日对应的负荷影响数据输入至第一负荷预测模型中,得到各个子区域在预测日的第一负荷数据。
将各个子区域在预测日对应的负荷影响数据输入至第二负荷预测模型中,得到各个子区域在预测日的第二负荷数据。
将各个子区域在预测日的第一负荷数据和第二负荷数据的和作为该区域类对应的负荷预测结果。
第一负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的负荷,第二负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的负荷。
在本实施例中,第一负荷预测模型可以为BP神经网络模型或Elman神经网络模型,第二负荷预测模型可以为模糊神经网络模型。
在本实施例中,第一负荷数据也即电力系统安全保护装置所产生的负荷,第二负荷数据即为电力系统由于用户用电产生的负荷。
可选地,作为本发明实施例提供的短期电力负荷预测方法的一种具体实施方式,短期电力负荷预测方法还包括训练第一负荷预测模型和第二负荷预测模型的步骤。
训练第一负荷预测模型和第二负荷预测模型的步骤包括:
获取每个区域类中各个子区域在参考日的负荷影响数据、历史负荷数据。其中历史负荷数据包括第一历史负荷数据和第二历史负荷数据,第一历史负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的历史负荷,第二历史负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的历史负荷。
基于每个区域类中各个子区域在参考日的负荷影响数据以及第一历史负荷数据训练得到各个区域类对应的第一负荷预测模型。
基于每个区域类中各个子区域在参考日的负荷影响数据以及第二历史负荷数据训练得到各个区域类对应的第二负荷预测模型。
在本实施例中,可将负荷影响数据作为输入量,将第一历史负荷数据或第二历史负荷数据作为理论输出量训练负荷预测模型。
可选地,作为本发明实施例提供的短期电力负荷预测方法的一种具体实施方式,对于每个区域类,在训练第一负荷预测模型和第二负荷预测模型之前,短期电力负荷预测方法还包括:
获取参考日的突发事件记录以及预测日的突发事件记录,突发事件记录包括计划检修记录、故障检修记录、负荷限定记录、事故停电记录。
根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据和第二历史负荷数据进行更新。
在本实施例中,考虑到突发事件对负荷预测的影响,可在进行负荷预测模型训练之前,首先获取突发事件记录,根据突发事件记录对数据进行更新,基于更新后的数据进行负荷预测模型的训练,以提高短期负荷的预测精度。
可选地,作为本发明实施例提供的短期电力负荷预测方法的一种具体实施方式,根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据进行更新,包括:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第一时段信息。
获取参考日对应的相似日的第一历史负荷数据,并基于第一时段信息以及参考日对应的相似日的第一历史负荷数据对第一历史负荷数据进行补全。
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第二时段信息。
基于第二时段信息对第一历史负荷数据进行删减。
在本实施例中,若参考日缺乏t1时段的负荷数据,则将参考日对应的相似日在t1时段的数据作为参考日t1时段的数据,也即对第一历史负荷数据进行补全。
在本实施例中,若预测日缺乏t2时段的负荷数据,则将参考日t2时段的负荷数据删去,也即对第一历史负荷数据进行删减。
可选地,作为本发明实施例提供的短期电力负荷预测方法的一种具体实施方式,根据参考日的突发时间记录以及预测日的突发事件记录对第二负荷数据进行更新,包括:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第三时段信息。
获取参考日对应的相似日的第二历史负荷数据,并基于第三时段信息以及参考日对应的相似日的第二历史负荷数据对第二历史负荷数据进行补全。
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第四时段信息。
基于第四时段信息对第二历史负荷数据进行删减。
在本实施例中,对第一历史负荷数据进行更新的方法与对第二历史负荷数据进行更新的方法一样,此处不再赘述。
在本实施例中,参考日对应的相似日的确定方法为:获取目标历史时段的第一历史负荷数据或第二历史负荷数据。对目标历史时段的第一历史负荷数据和/或第二历史负荷数据进行聚类分析,得到参考日对应的相似日。其中,参考日和预测日互为相似日。
对应于上文实施例的短期电力负荷预测方法,图2为本发明一实施例提供的短期电力负荷预测装置的结构框图。为了便于说明,仅示出了与本发明实施例相关的部分。参考图2,该短期电力负荷预测装置20包括:区域划分模块21、区域聚类模块22、负荷预测模块23。
其中,区域划分模块21,用于对目标区域进行区域划分,得到多个子区域。
区域聚类模块22,用于获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对多个子区域进行聚类处理,得到多个区域类。
负荷预测模块23,用于对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果。根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
可选地,作为本发明实施例提供的短期电力负荷预测装置的一种具体实施方式,区域类对应的负荷预测模型包括第一负荷预测模型和第二负荷预测模型。
负荷预测模块23具体用于:
将各个子区域在预测日对应的负荷影响数据输入至第一负荷预测模型中,得到各个子区域在预测日的第一负荷数据。
将各个子区域在预测日对应的负荷影响数据输入至第二负荷预测模型中,得到各个子区域在预测日的第二负荷数据。
将各个子区域在预测日的第一负荷数据和第二负荷数据的和作为该区域类对应的负荷预测结果。
第一负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的负荷,第二负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的负荷。
可选地,作为本发明实施例提供的短期电力负荷预测装置的一种具体实施方式,短期电力负荷预测装置还包括模型训练模块24,用于训练负荷预测模型。负荷预测模型包括第一负荷预测模型和第二负荷预测模型。
模型训练模块24具体用于:
获取每个区域类中各个子区域在参考日的负荷影响数据、历史负荷数据。其中历史负荷数据包括第一历史负荷数据和第二历史负荷数据,第一历史负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的历史负荷,第二历史负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的历史负荷。
基于每个区域类中各个子区域在参考日的负荷影响数据以及第一历史负荷数据训练得到各个区域类对应的第一负荷预测模型。
基于每个区域类中各个子区域在参考日的负荷影响数据以及第二历史负荷数据训练得到各个区域类对应的第二负荷预测模型。
可选地,作为本发明实施例提供的短期电力负荷预测装置的一种具体实施方式,模型训练模块24还用于:
获取参考日的突发事件记录以及预测日的突发事件记录,突发事件记录包括计划检修记录、故障检修记录、负荷限定记录、事故停电记录。
根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据和第二历史负荷数据进行更新。
可选地,作为本发明实施例提供的短期电力负荷预测装置的一种具体实施方式,模型训练模块24还具体用于:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第一时段信息。
获取参考日对应的相似日的第一历史负荷数据,并基于第一时段信息以及参考日对应的相似日的第一历史负荷数据对第一历史负荷数据进行补全。
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第二时段信息。
基于第二时段信息对第一历史负荷数据进行删减。
可选地,作为本发明实施例提供的短期电力负荷预测装置的一种具体实施方式,模型训练模块24还具体用于:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第三时段信息。
获取参考日对应的相似日的第二历史负荷数据,并基于第三时段信息以及参考日对应的相似日的第二历史负荷数据对第二历史负荷数据进行补全。
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第四时段信息。
基于第四时段信息对第二历史负荷数据进行删减。
参见图3,图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括:一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序,计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中,处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能,例如图2所示模块21至24的功能。
应当理解,在本发明实施例中,所称处理器301可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器,并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如,存储器304还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的短期电力负荷预测方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的终端的实现方式,在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种短期电力负荷预测方法,其特征在于,包括:
对目标区域进行区域划分,得到多个子区域;
获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理,得到多个区域类;
对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果;
根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
2.如权利要求1所述的短期电力负荷预测方法,其特征在于,区域类对应的负荷预测模型包括第一负荷预测模型和第二负荷预测模型;
所述将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果,包括:
将各个子区域在预测日对应的负荷影响数据输入至第一负荷预测模型中,得到各个子区域在预测日的第一负荷数据;
将各个子区域在预测日对应的负荷影响数据输入至第二负荷预测模型中,得到各个子区域在预测日的第二负荷数据;
将各个子区域在预测日的第一负荷数据和第二负荷数据的和作为该区域类对应的负荷预测结果;
所述第一负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的负荷,所述第二负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的负荷。
3.如权利要求2所述的短期电力负荷预测方法,其特征在于,还包括训练第一负荷预测模型和第二负荷预测模型的步骤;
所述训练第一负荷预测模型和第二负荷预测模型的步骤包括:
获取每个区域类中各个子区域在参考日的负荷影响数据、历史负荷数据;其中历史负荷数据包括第一历史负荷数据和第二历史负荷数据,所述第一历史负荷数据指的是在负荷影响数据的影响下为了维持电力系统设备的安全运行而产生的历史负荷,所述第二历史负荷数据指的是在负荷影响数据的影响下电力系统设备本身产生的历史负荷;
基于每个区域类中各个子区域在参考日的负荷影响数据以及第一历史负荷数据训练得到各个区域类对应的第一负荷预测模型;
基于每个区域类中各个子区域在参考日的负荷影响数据以及第二历史负荷数据训练得到各个区域类对应的第二负荷预测模型。
4.如权利要求1所述的短期电力负荷预测方法,其特征在于,对于每个区域类,在训练第一负荷预测模型和第二负荷预测模型之前,还包括:
获取参考日的突发事件记录以及预测日的突发事件记录,所述突发事件记录包括计划检修记录、故障检修记录、负荷限定记录、事故停电记录;
根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据和第二历史负荷数据进行更新。
5.如权利要求4所述的短期电力负荷预测方法,其特征在于,根据参考日的突发事件记录以及预测日的突发事件记录对第一历史负荷数据进行更新,包括:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第一时段信息;
获取参考日对应的相似日的第一历史负荷数据,并基于所述第一时段信息以及参考日对应的相似日的第一历史负荷数据对第一历史负荷数据进行补全;
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、事故停电记录中的第二时段信息;
基于第二时段信息对第一历史负荷数据进行删减。
6.如权利要求4所述的短期电力负荷预测方法,其特征在于,根据参考日的突发时间记录以及预测日的突发事件记录对第二负荷数据进行更新,包括:
若参考日的突发事件记录显示参考日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第三时段信息;
获取参考日对应的相似日的第二历史负荷数据,并基于所述第三时段信息以及参考日对应的相似日的第二历史负荷数据对第二历史负荷数据进行补全;
若预测日的突发事件记录显示预测日存在计划检修记录、故障检修记录、事故停电记录,则提取计划检修记录、故障检修记录、负荷限定记录、事故停电记录中的第四时段信息;
基于第四时段信息对第二历史负荷数据进行删减。
7.一种短期电力负荷预测装置,其特征在于,包括:
区域划分模块,用于对目标区域进行区域划分,得到多个子区域;
区域聚类模块,用于获取多个子区域的历史负荷数据,并基于多个子区域的历史负荷数据对所述多个子区域进行聚类处理,得到多个区域类;
负荷预测模块,用于对于每个区域类,获取该区域类中的各个子区域在预测日的负荷影响数据,将各个子区域在预测日的负荷影响数据输入至该区域类对应的负荷预测模型中,得到该区域类对应的负荷预测结果;
根据所有区域类对应的负荷预测结果确定目标区域在预测日的负荷数据。
8.如权利要求7所述的短期电力负荷预测装置,其特征在于,还包括:
模型训练模块,用于训练负荷预测模型。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699028.9A CN113592138A (zh) | 2021-06-23 | 2021-06-23 | 电力负荷预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699028.9A CN113592138A (zh) | 2021-06-23 | 2021-06-23 | 电力负荷预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113592138A true CN113592138A (zh) | 2021-11-02 |
Family
ID=78244461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699028.9A Withdrawn CN113592138A (zh) | 2021-06-23 | 2021-06-23 | 电力负荷预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592138A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692952A (zh) * | 2022-03-09 | 2022-07-01 | 国网安徽省电力有限公司霍邱县供电公司 | 一种基于智能算法的负荷预测方法 |
CN117350485A (zh) * | 2023-09-27 | 2024-01-05 | 广东电网有限责任公司 | 基于数据挖掘模型的电力市场管控方法和系统 |
CN117951531A (zh) * | 2024-03-27 | 2024-04-30 | 长江三峡集团实业发展(北京)有限公司 | 训练方法、区域雨水径流污染负荷预测方法及装置 |
CN117350485B (zh) * | 2023-09-27 | 2024-06-25 | 广东电网有限责任公司 | 基于数据挖掘模型的电力市场管控方法和系统 |
-
2021
- 2021-06-23 CN CN202110699028.9A patent/CN113592138A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692952A (zh) * | 2022-03-09 | 2022-07-01 | 国网安徽省电力有限公司霍邱县供电公司 | 一种基于智能算法的负荷预测方法 |
CN117350485A (zh) * | 2023-09-27 | 2024-01-05 | 广东电网有限责任公司 | 基于数据挖掘模型的电力市场管控方法和系统 |
CN117350485B (zh) * | 2023-09-27 | 2024-06-25 | 广东电网有限责任公司 | 基于数据挖掘模型的电力市场管控方法和系统 |
CN117951531A (zh) * | 2024-03-27 | 2024-04-30 | 长江三峡集团实业发展(北京)有限公司 | 训练方法、区域雨水径流污染负荷预测方法及装置 |
CN117951531B (zh) * | 2024-03-27 | 2024-06-18 | 长江三峡集团实业发展(北京)有限公司 | 训练方法、区域雨水径流污染负荷预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109495318B (zh) | 一种移动通信网络流量预测方法、装置及可读存储介质 | |
CN113592138A (zh) | 电力负荷预测方法及装置 | |
CN113379564A (zh) | 电网负荷预测方法、装置及终端设备 | |
CN108446795B (zh) | 电力系统负荷波动分析方法、装置及可读存储介质 | |
CN111192144A (zh) | 一种金融数据预测方法、装置、设备及存储介质 | |
CN113313463A (zh) | 应用于大数据云办公的数据分析方法及数据分析服务器 | |
CN111242779B (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
CN112686470A (zh) | 电网饱和负荷预测方法、装置及终端设备 | |
CN113592139A (zh) | 短期负荷预测方法及终端设备 | |
CN112508512B (zh) | 电网工程造价数据管理方法、装置及终端设备 | |
CN111144634A (zh) | 一种电力价格预测的方法以及装置 | |
CN112288559B (zh) | 基于股权的财务数据核算方法、装置、设备及存储介质 | |
CN115577389A (zh) | 一种基于区块链系统的治理方法及系统 | |
CN114531374A (zh) | 网络监控方法、装置、设备及存储介质 | |
CN113222766A (zh) | 金融产品的信息监管方法、装置、计算机设备及介质 | |
CN112861363B (zh) | 光伏发电状态估计方法、装置及终端设备 | |
CN117726304B (zh) | 项目进度预测及项目资源配给推荐方法 | |
CN113592528A (zh) | 基线负荷估计方法、装置及终端设备 | |
CN116939159B (zh) | 一种农田灾害预警方法及系统 | |
US20230196292A1 (en) | Planning method and planning apparatus for production capacity allocation | |
CN112238762B (zh) | 基于盈亏平衡策略的电动汽车充电时间确定方法及装置 | |
US20230028536A1 (en) | Method of estimating employee turnover rates, computing device, and storage medium | |
CN114692982A (zh) | 基于深度学习的港口集装箱吞吐量预测方法及相关设备 | |
CN114865732A (zh) | 分布式cpc卡管理装置、方法、计算机设备及存储介质 | |
CN115762161A (zh) | 交通流量控制方法及装置、交通管控平台、可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211102 |