CN114580740A - 母线负荷预测方法、装置、电子设备及存储介质 - Google Patents

母线负荷预测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114580740A
CN114580740A CN202210203484.4A CN202210203484A CN114580740A CN 114580740 A CN114580740 A CN 114580740A CN 202210203484 A CN202210203484 A CN 202210203484A CN 114580740 A CN114580740 A CN 114580740A
Authority
CN
China
Prior art keywords
day
predicted
load
bus load
determining
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.)
Pending
Application number
CN202210203484.4A
Other languages
English (en)
Inventor
张野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210203484.4A priority Critical patent/CN114580740A/zh
Publication of CN114580740A publication Critical patent/CN114580740A/zh
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种母线负荷预测方法、装置、电子设备及存储介质，涉及工业大数据技术领域。方法包括：获取待预测日的历史相似日的母线负荷和对应的修正系数；基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。本公开技术方案中，考虑了历史相似日与待预测日的负荷相似性，并且根据历史负荷水平预测负荷的周期性变化情况，由于同时考虑到相似日和历史负荷的变化规律，可以提高预测结果准确度。

Description

母线负荷预测方法、装置、电子设备及存储介质
技术领域
本公开涉及工业大数据技术领域，尤其涉及一种母线负荷预测方法、装置、电子设备及存储介质。
背景技术
电力系统短期负荷预测是电力部门的一项重要工作，短期负荷预测的精确度对电网的正常运行，以及安全性和经济性都有着重要的影响。在短期负荷预测方面，节假日的负荷特性与正常日具有明显不同的变化规律，并且节假日的负荷数据通常相比正常日要少，缺失充足有效的样本集，因此一般的模型在预测时准确率较差，不能满足实际的电力系统生产需要。
发明内容
本公开提供了一种母线负荷预测方法、装置、电子设备及存储介质。
根据本公开的一方面，提供了一种母线负荷预测方法，包括：
获取待预测日的历史相似日的母线负荷和对应的修正系数；
基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；
基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。
根据本公开的另一方面，提供了一种母线负荷预测装置，包括：
第一获取模块，用于获取待预测日的历史相似日的母线负荷和对应的修正系数；
第一确定模块，用于基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
第二获取模块，用于获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；
第二确定模块，用于基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。
本公开实施例可以提高负荷预测结果准确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开一实施例中母线负荷预测方法的流程图；
图2为本公开一实施例中母线负荷预测方法的流程图；
图3为本公开一实施例中母线负荷预测装置的示意图；
图4为本公开一实施例中第一获取模块的示意图；
图5是用来实现本公开实施例的母线负荷预测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供了一种母线负荷预测方法，图1是本公开一实施例的母线负荷预测方法的流程图，该方法可以应用于母线负荷预测装置，例如，该装置在部署于终端设备、服务器或其它处理设备执行的情况下，可以执行母线负荷预测等。在一些可能的实现方式中，该方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，包括：
步骤S101，获取待预测日的历史相似日的母线负荷和对应的修正系数；
其中，待预测日可以是一天也可以是多天。历史相似日可以是一天也可以是多天。例如，待预测日可以是法定节假日，元旦假期、五一假期、国庆假期等。历史相似日为与待预测日相似的历史日，例如，如果待预测日为五一假期，历史相似日可以是五一假期之前的周六或周日。历史相似日的母线负荷可以是历史相似日的多个时刻中每个时刻的母线负荷的值。获取历史相似日的母线负荷和每个历史相似日的母线负荷对应的修正系数，修正系数是基于历史相似日和待预测日的差异确定的。修正系数可以是预先计算完成之后存储的，也可以是母线负荷预测时实时计算的，本公开实施例对此不做限定。
步骤S102，基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
利用修正系数对历史相似日的母线负荷进行修正，得到相似日负荷预测值。为了提高预测准确度，除了考虑历史相似日之外，还进一步考虑其他因素。
步骤S103，获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；
其中，周期性负荷预测值用于表征母线负荷的周期性变化特性，周期性变化特性可以包括母线负荷周期性增长的特性或者周期性减少的特性。周期可以包括短周期，也可以包括长周期，周期的具体长度可以根据具体需要来确定。
步骤S104，基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。
基于相似日负荷预测值和周期性负荷预测值进行待预测日的母线负荷预测，兼顾了历史相似日的母线负荷和待预测日的母线负荷的周期性的变化特性，预测结果准确度更高。
相关技术中，在节假日负荷预测方面，通过建立深度神经网络预测模型进行预测，但是由于假节日历史数据贫乏、训练过程不够充分，预测精度难以保证。在短期负荷预测中，使用神经网络和支持向量机算法，由于缺乏充足机器学习样本集，难以应用在节假日负荷预测中。还有基于相似周末的节假日负荷预测方法，考虑日期属性和气象属性选择相似日。但影响因子受气象、地域、人为因素影响较大，在其他区域预测时误差偏大。还有一种采用模糊推理策略预测特殊节假日的最高负荷和最低负荷，以节假日、季节、日最高温度和最低温度为模糊输入变量，以日最高负荷和最低负荷的变化值为输出变量，依据大量实践经验建立模糊规则，最终得到待预测的特殊节假日负荷。该方法利用了模糊逻辑处理不确定因素的优点，然而该方法以非变化量对应变化量的if-then规则的对应关系并不合理，预测结果准确性差。
本公开实施例提供的母线负荷预测方法，获取待预测日的历史相似日的母线负荷和对应的修正系数；基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。本公开技术方案中，考虑了历史相似日与待预测日的负荷相似性，并且根据历史负荷水平预测负荷的周期性变化情况，由于同时考虑到相似日和历史负荷的变化规律，可以提高预测结果准确度。
在一种可能的实现方式中，获取历史相似日对应的修正系数，包括：
获取历史相似日与待预测日的相距时间；
基于相距时间，确定历史相似日对应的修正系数；
其中，相距时间越长，历史相似日对应的修正系数越小。
在实际应用中，采用相似评估分析方法从历史日中选取若干相似日，并修正相似日负荷，然后在此基础上进行待预测日负荷的预测。利用时间因子匹配系数作为修正系数，量化历史相似日与待预测日在时间因素上的相似程度。时间因子匹配系数在配置时考虑了时间因素，可以是历史相似日距离待预测日的天数。历史相似日距离待预测日越远，相似度越小，则配置较小的时间因子匹配系数，时间因子匹配系数的配置体现“近大远小”的原则。
根据历史相似日与待预测日的相距时间设置历史相似日对应的修正系数，例如，待预测日的五一假期，将五一假期之前的第一个周六作为一个历史相似日，该周六距离五一假期的时间是7天；将五一假期之前的第二个周六作为一个历史相似日，该周六距离五一假期的时间是14天；则五一假期之前的第一个周六的晚上八点的母线负荷为A1，对应的修正系数为(0.9)7，五一假期之前的第二个周六的晚上八点的母线负荷为A2，对应的修正系数为(0.9)14。可以根据相距时间越长，历史相似日对应的修正系数越小的配置方式配置修正系数，具体配置方式本公开不做限定。
本公开实施例中，根据历史相似日与待预测日的相距时间确定修正系数，可以更好的体现历史相似日的母线负荷与待预测日的母线负荷的相似程度，从而提高母线负荷的准确度。
母线负荷具有“周期性”的特点，不仅表现为负荷按照短期的周期性变化规律，例如，“周”周期性变化的规律，而且表现为长期的周期性变化规律，例如，按照“年”周期性变化的规律。所以需要根据相似日的类型，区分相似周末和历年节假日。
在一种可能的实现方式中，获取待预测日的周期性负荷预测值，包括：
若待预测日为法定假日，且周期性负荷预测值为周预测值，则获取待预测日对应的历年法定假日的母线负荷，以及历年法定假日对应的周末的母线负荷；
基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周预测值。
在实际应用中，周预测值用于表征母线负荷的“周”周期性变化特性。预测日对应的历年法定假日，例如，待预测日为国庆假期，则待预测日对应的历年法定假日可以是前一年的国庆假期，或者前两年的国庆假期。历年法定假日对应的周末可以是前一年的国庆假期之前的第一个周六或周日，前一年的国庆假期之前的第二个周六或周日等。
本公开实施例中，基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周预测值，可以表征母线负荷的“周”周期性变化规律。
在一种可能的实现方式中，基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周预测值，包括：
基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周修正系数；
基于历年法定假日对应的周末的母线负荷和周修正系数，确定周预测值。
在实际应用中，获取历年法定假日与相应周末负荷的比例作为周修正系数，利用各个周修正系数修正待预测的法定假日之前对应的各个周末的母线负荷，得到周预测值。例如，待预测日为十一假期，获取前一年十一假期和之前各周末的母线负荷，得到各周末对应的周修正系数，利用各周末对应的周修正系数，修正待预测的十一假期之前的各周末的母线负荷，得到周预测值。
本公开实施例中，基于历年法定假日对应的周末的母线负荷和周修正系数，确定周预测值，可以提高预测的准确度。
在一种可能的实现方式中，获取待预测日的周期性负荷预测值，包括：
若待预测日为法定假日，且周期性负荷预测值为年预测值，则获取待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷；
基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年预测值。
在实际应用中，年预测值用于表征母线负荷的“年”周期性变化特性。待预测日当年之前预设时间段，例如，待预测日为十一假期，则待预测日当年之前预设时间段可以是当年十一之前的三个月。待预测日对应的历史法定假日之前预设时间段，可以是前一年十一假期之前的三个月。
本公开实施例中，基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年预测值，可以表征母线负荷的“年”周期性变化规律。
在一种可能的实现方式中，基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年预测值，包括：
基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年修正系数；
基于待预测日对应的历史法定假日之前预设时间段的母线负荷，和年修正系数，确定年预测值。
在实际应用中，获取待预测日对应的历史法定假日之前预设时间段的母线负荷和年修正系数，利用年修正系数修正待预测日对应的历史法定假日的母线负荷，得到年预测值。例如，待预测日为十一假期，年修正系数为十一假期前三个月的平均母线负荷与前一年的十一假期前三个月的平均母线负荷之比。年预测值为前一年十一假期的母线负荷乘以年修正系数。
本公开实施例中，基于待预测日对应的历史法定假日之前预设时间段的母线负荷和年修正系数，确定年预测值，可以提高预测的准确度。
可选的，周期性负荷预测值可以根据周预测值和年预测值来确定，例如，分别设置周预测值和年预测值各自对应的权重，根据加权计算，得到周期性负荷预测值。
在一种可能的实现方式中，基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值，包括：
分别确定相似日负荷预测值和周期性负荷预测值各自对应的权重；
基于相似日负荷预测值、周期性负荷预测值、以及各自对应的权重，确定待预测日的母线负荷预测值。
本公开实施例中，基于相似日负荷预测值、周期性负荷预测值、以及各自对应的权重，确定待预测日的母线负荷预测值，考虑了历史相似日与待预测日的负荷相似性，同时根据历史负荷水平预测负荷的周期性变化情况，同时考虑到相似日和历史负荷的变化规律，预测结果准确度高。
图2为本公开一实施例中母线负荷预测方法的流程图。如图2所示，该方法包括：
步骤S201，获取待预测日的历史相似日的母线负荷；
步骤S202，获取历史相似日与待预测日的相距时间；基于相距时间，确定历史相似日对应的修正系数；
步骤S203，基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
步骤S204，获取待预测日的周期性负荷预测值；
步骤S205，分别确定相似日负荷预测值和周期性负荷预测值各自对应的权重；
步骤S206，基于相似日负荷预测值、周期性负荷预测值、以及各自对应的权重，确定待预测日的母线负荷预测值。
本公开实施例提供的母线负荷预测方法，获取待预测日的历史相似日的母线负荷和对应的修正系数；基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。本公开技术方案中，考虑了历史相似日与待预测日的负荷相似性，并且根据历史负荷水平预测负荷的周期性变化情况，由于同时考虑到相似日和历史负荷的变化规律，可以提高预测结果准确度。
图3为本公开一实施例中母线负荷预测装置的示意图。如图3所示，母线负荷预测装置可以包括：
第一获取模块301，用于获取待预测日的历史相似日的母线负荷和对应的修正系数；
第一确定模块302，用于基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
第二获取模块303，用于获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；
第二确定模块304，用于基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。
本公开实施例提供的母线负荷预测装置，获取待预测日的历史相似日的母线负荷和对应的修正系数；基于历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；获取待预测日的周期性负荷预测值，周期性负荷预测值用于表征母线负荷的周期性变化特性；基于相似日负荷预测值和周期性负荷预测值，确定待预测日的母线负荷预测值。本公开技术方案中，考虑了历史相似日与待预测日的负荷相似性，并且根据历史负荷水平预测负荷的周期性变化情况，由于同时考虑到相似日和历史负荷的变化规律，可以提高预测结果准确度。
图4为本公开一实施例中第一获取模块的示意图。如图4所示，在一种可能的实现方式中，第一获取模块包括第一获取单元401和第一确定单元402；
第一获取单元401，用于：获取历史相似日与待预测日的相距时间；
第一确定单元402，用于：基于相距时间，确定历史相似日对应的修正系数；
其中，相距时间越长，历史相似日对应的修正系数越小。
在一种可能的实现方式中，第二获取模块303包括第二获取单元和第二确定单元；
第二获取单元，用于若待预测日为法定假日，且周期性负荷预测值为周预测值，则获取待预测日对应的历年法定假日的母线负荷，以及历年法定假日对应的周末的母线负荷；
第二确定单元，用于基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周预测值。
在一种可能的实现方式中，第二确定单元，用于：
基于历年法定假日的母线负荷和历年法定假日对应的周末的母线负荷，确定周修正系数；
基于历年法定假日对应的周末的母线负荷和周修正系数，确定周预测值。
在一种可能的实现方式中，第二获取模块303包括第三获取单元和第三确定单元；
第三获取单元，用于若待预测日为法定假日，且周期性负荷预测值为年预测值，则获取待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷；
第三确定单元，用于基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年预测值。
在一种可能的实现方式中，第三确定单元，用于：
基于待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年修正系数；
基于待预测日对应的历史法定假日之前预设时间段的母线负荷，和年修正系数，确定年预测值。
在一种可能的实现方式中，第二确定模块304，用于：
分别确定相似日负荷预测值和周期性负荷预测值各自对应的权重；
基于相似日负荷预测值、周期性负荷预测值、以及各自对应的权重，确定待预测日的母线负荷预测值。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和信息。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/信息。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如母线负荷预测方法。例如，在一些实施例中，母线负荷预测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的母线负荷预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行母线负荷预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收信息和指令，并且将信息和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程信息处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为信息服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字信息通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种母线负荷预测方法，所述方法包括：
获取待预测日的历史相似日的母线负荷和对应的修正系数；
基于所述历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
获取所述待预测日的周期性负荷预测值，所述周期性负荷预测值用于表征母线负荷的周期性变化特性；
基于所述相似日负荷预测值和所述周期性负荷预测值，确定所述待预测日的母线负荷预测值。
2.根据权利要求1所述的方法，其中，所述获取历史相似日对应的修正系数，包括：
获取所述历史相似日与所述待预测日的相距时间；
基于所述相距时间，确定所述历史相似日对应的修正系数；
其中，所述相距时间越长，所述历史相似日对应的修正系数越小。
3.根据权利要求1或2所述的方法，其中，所述获取所述待预测日的周期性负荷预测值，包括：
若待预测日为法定假日，且周期性负荷预测值为周预测值，则获取所述待预测日对应的历年法定假日的母线负荷，以及历年法定假日对应的周末的母线负荷；
基于所述历年法定假日的母线负荷和所述历年法定假日对应的周末的母线负荷，确定所述周预测值。
4.根据权利要求3所述的方法，其中，所述基于所述历年法定假日的母线负荷和所述历年法定假日对应的周末的母线负荷，确定所述周预测值，包括：
基于所述历年法定假日的母线负荷和所述历年法定假日对应的周末的母线负荷，确定周修正系数；
基于所述历年法定假日对应的周末的母线负荷和所述周修正系数，确定所述周预测值。
5.根据权利要求1或2所述的方法，其中，所述获取所述待预测日的周期性负荷预测值，包括：
若待预测日为法定假日，且周期性负荷预测值为年预测值，则获取所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷；
基于所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定所述年预测值。
6.根据权利要求5所述的方法，其中，所述基于所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定所述年预测值，包括：
基于所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年修正系数；
基于所述待预测日对应的历史法定假日之前预设时间段的母线负荷，和所述年修正系数，确定所述年预测值。
7.根据权利要求1或2所述的方法，其中，所述基于所述相似日负荷预测值和所述周期性负荷预测值，确定所述待预测日的母线负荷预测值，包括：
分别确定所述相似日负荷预测值和所述周期性负荷预测值各自对应的权重；
基于所述相似日负荷预测值、所述周期性负荷预测值、以及各自对应的权重，确定所述待预测日的母线负荷预测值。
8.一种母线负荷预测装置，所述装置包括：
第一获取模块，用于获取待预测日的历史相似日的母线负荷和对应的修正系数；
第一确定模块，用于基于所述历史相似日的母线负荷和对应的修正系数，确定相似日负荷预测值；
第二获取模块，用于获取所述待预测日的周期性负荷预测值，所述周期性负荷预测值用于表征母线负荷的周期性变化特性；
第二确定模块，用于基于所述相似日负荷预测值和所述周期性负荷预测值，确定所述待预测日的母线负荷预测值。
9.根据权利要求8所述的装置，其中，所述第一获取模块包括第一获取单元和第一确定单元；
所述第一获取单元，用于：获取所述历史相似日与所述待预测日的相距时间；
所述第一确定单元，用于：基于所述相距时间，确定所述历史相似日对应的修正系数；
其中，所述相距时间越长，所述历史相似日对应的修正系数越小。
10.根据权利要求8或9所述的装置，其中，所述第二获取模块包括第二获取单元和第二确定单元；
所述第二获取单元，用于若待预测日为法定假日，且周期性负荷预测值为周预测值，则获取所述待预测日对应的历年法定假日的母线负荷，以及历年法定假日对应的周末的母线负荷；
所述第二确定单元，用于基于所述历年法定假日的母线负荷和所述历年法定假日对应的周末的母线负荷，确定所述周预测值。
11.根据权利要求10所述的装置，其中，所述第二确定单元，用于：
基于所述历年法定假日的母线负荷和所述历年法定假日对应的周末的母线负荷，确定周修正系数；
基于所述历年法定假日对应的周末的母线负荷和所述周修正系数，确定所述周预测值。
12.根据权利要求8或9所述的装置，其中，所述第二获取模块包括第三获取单元和第三确定单元；
所述第三获取单元，用于若待预测日为法定假日，且周期性负荷预测值为年预测值，则获取所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷；
所述第三确定单元，用于基于所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定所述年预测值。
13.根据权利要求12所述的装置，其中，所述第三确定单元，用于：
基于所述待预测日当年之前预设时间段的母线负荷，以及待预测日对应的历史法定假日之前预设时间段的母线负荷，确定年修正系数；
基于所述待预测日对应的历史法定假日之前预设时间段的母线负荷，和所述年修正系数，确定所述年预测值。
14.根据权利要求8或9所述的装置，其中，所述第二确定模块，用于：
分别确定所述相似日负荷预测值和所述周期性负荷预测值各自对应的权重；
基于所述相似日负荷预测值、所述周期性负荷预测值、以及各自对应的权重，确定所述待预测日的母线负荷预测值。
15.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202210203484.4A 2022-03-03 2022-03-03 母线负荷预测方法、装置、电子设备及存储介质 Pending CN114580740A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210203484.4A CN114580740A (zh) 2022-03-03 2022-03-03 母线负荷预测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210203484.4A CN114580740A (zh) 2022-03-03 2022-03-03 母线负荷预测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114580740A true CN114580740A (zh) 2022-06-03

Family

ID=81772476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210203484.4A Pending CN114580740A (zh) 2022-03-03 2022-03-03 母线负荷预测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114580740A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118100178A (zh) * 2024-04-26 2024-05-28 阿里巴巴（中国）有限公司 时间序列的处理方法和电力系统负荷的处理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118100178A (zh) * 2024-04-26 2024-05-28 阿里巴巴（中国）有限公司 时间序列的处理方法和电力系统负荷的处理方法

Similar Documents

Publication Publication Date Title
CN109697522B (zh) 一种数据预测的方法和装置
US10559044B2 (en) Identification of peak days
CN112527598B (zh) 监控数据的方法、装置、设备、存储介质和程序产品
CN110070382B (zh) 用于生成信息的方法和装置
CN114500339A (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN116823383A (zh) 一种电力零售套餐推荐方法、系统、电子设备及存储介质
CN115146853A (zh) 基于电碳因子的用碳量确定方法、装置、设备及存储介质
CN114492794A (zh) 用于处理数据的方法、装置、设备、介质和产品
CN113592136A (zh) 一种交通数据预测方法、装置及电子设备
CN111523083A (zh) 一种电力负荷申报数据的确定方法以及装置
CN116703109A (zh) 一种配电网项目选取方法、装置、设备及存储介质
CN111144634A (zh) 一种电力价格预测的方法以及装置
CN114580740A (zh) 母线负荷预测方法、装置、电子设备及存储介质
CN115453661A (zh) 气象预报方法、装置、设备以及存储介质
CN115758071A (zh) 原子钟的钟差预测方法、装置、设备以及存储介质
CN114999665A (zh) 数据处理方法、装置、电子设备及存储介质
CN114971736A (zh) 电力计量物资需求预测方法、装置、电子设备和存储介质
CN114742263B (zh) 负荷预测方法、装置、电子设备及存储介质
CN117217822B (zh) 电力交易指数预测的方法、装置、终端设备及存储介质
CN115242626B (zh) 云资源配置预估方法、装置、设备、存储介质及程序产品
CN115238811A (zh) 异常检测模型的训练方法、装置、设备及存储介质
CN116167846A (zh) 校准方法、装置、电子设备及计算机可读存储介质
CN115292384A (zh) 一种用电数据生成方法及用电数据生成装置
CN115526592A (zh) 一种工时确定方法、装置、设备及存储介质
CN117934062A (zh) 卷烟数量预测方法、装置、设备和存储介质

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