CN117200223A - 日前电力负荷预测方法和装置 - Google Patents
日前电力负荷预测方法和装置 Download PDFInfo
- Publication number
- CN117200223A CN117200223A CN202311337569.2A CN202311337569A CN117200223A CN 117200223 A CN117200223 A CN 117200223A CN 202311337569 A CN202311337569 A CN 202311337569A CN 117200223 A CN117200223 A CN 117200223A
- Authority
- CN
- China
- Prior art keywords
- load
- predicted
- day
- value
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000007667 floating Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 25
- 238000009776 industrial production Methods 0.000 claims description 12
- 238000000611 regression analysis Methods 0.000 claims description 12
- 238000003973 irrigation Methods 0.000 claims description 7
- 230000002262 irrigation Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及电气自动化领域,尤其涉及一种日前电力负荷预测方法和装置。其中,上述方法包括获取待预测日的第一天气信息,并根据第一天气信息判断待预测日是否存在天气变化,第一天气信息包括第一温湿度信息,天气变化包括降雨;若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,日最大负荷时刻根据待预测日的日期确定;若是,则获取历史降雨天气的第二温湿度信息和第二负荷信息;根据第一温湿度信息、第二温湿度信息和第二负荷信息,确定待预测日的第一负荷预测值。上述方法及相应装置根据待预测日的温度、湿度和降雨时间等因素进行电力负荷预测,使得电力负荷预测结果更加准确。
Description
技术领域
本申请涉及电气自动化技术领域,更具体地说,涉及一种日前电力负荷预测方法和装置。
背景技术
公开号为CN201911412671.8的发明专利公开了考虑温度模糊化的电力负荷预测方法。首先采集电网的历史负荷数据、历史温度数据以及相关日期数据并将其处理成15维特征向量,并按比例将其分为训练数据集和测试数据集。再建立三层长短时记忆神经网络,并通过训练数据集对三层长短时记忆神经网络进行迭代训练得到电力负荷预测模型。最后将测试数据集中的预测日数据输入电力负荷预测模型,得到电力负荷预测值。可知,该发明专利仅通过大量的历史负荷数据和历史温度数据对待预测日进行负荷预测。其并未考虑待预测日的其他气象因素对负荷预测结果的影响,电力负荷预测值容易存在误差。
公开号为CN202011344929.8的发明专利公开了一种电力负荷预测方法。周期性地获取历史电力负荷数据、历史气象数据和气象预测数据;根据获取当日的实时电力负荷数据和历史电力负荷数据,预测当日剩余时间的电力负荷数据;建立多种电力负荷预测模型,并根据历史电力负荷数据训练多种电力负荷预测模型;为每一符合预测误差范围的电力负荷预测模型赋予相同的权重,将历史电力负荷数据、当日剩余时间的电力负荷数据、历史气象数据和气象预测数据输入到各个符合所述预设误差范围的电力负荷预测模型,将各个符合预设误差范围的电力负荷预测模型计算结果分别乘以权重后进行加和,得到未来日期的电力负荷预测数据。可知,该发明专利结合历史气象数据和气象预测数据对待预测日的电力负荷进行预测。但是,获取历史电力负荷数据、历史电力负荷数据存在随机性,容易造成误差。
通过上述分析可知,相关技术中,往往只考虑了温度、湿度对负荷预测的影响。并且,在实际应用过程中,简单通过获取大量的历史温湿度信息及其对应的历史负荷信息,对待预测日进行电力负荷预测,预测结果仍旧容易出现误差。因此,如何提高电力负荷预测结果的准确性,成为需要解决的问题。
发明内容
有鉴于此,本申请提供了一种日前电力负荷预测方法和装置,在对待预测日进行日前电力负荷预测时,在获取待预测日的第一温湿度信息的基础上,对待预测日的天气变化情况和日最大负荷时刻进行分析。通过分析结果,有选择的获取历史温湿度信息和对应的历史负荷信息为预测样本进行电力负荷预测,以解决现有电力负荷预测结果不够准确的问题。
第一方面,本申请公开一种电力负荷预测方法,包括:
获取待预测日的第一天气信息,并根据所述第一天气信息判断所述待预测日是否存在天气变化,所述第一天气信息包括第一温湿度信息,所述天气变化包括降雨;
若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,所述日最大负荷时刻根据所述待预测日的日期确定;
若是,则获取历史降雨天气的第二温湿度信息和第二负荷信息;
根据所述第一温湿度信息、所述第二温湿度信息和所述第二负荷信息,确定所述待预测日的第一负荷预测值
其中一种可能的实现方式中,根据所述第一天气信息,判断所述待预测日是都存在天气变化之后,所述方法还包括:
若所述待预测日不存在所述天气变化,或者,若所述降雨时间不在所述日最大负荷时刻之前,则确定所述第一温湿度信息对应的第一预设温湿度区间;
获取第一历史温湿度信息和对应的第一历史负荷信息,所述第一历史温湿度数据在所述第一预设温湿度区间内;
对所述第一历史温湿度信息和所述第一历史负荷信息进行回归分析,确定第一回归方程,所述第一回归方程用于表征所述第一历史负荷信息和所述第一历史温湿度信息之间的对应关系;
根据所述待预测日的所述第一温湿度信息和所述第一回归方程,确定所述待预测日的第二负荷预测值。
其中一种可能的实现方式中,所述确定所述待预测日的第二负荷预测值之后,所述方法还包括:
根据所述第一历史负荷信息和所述第二负荷预测值,确定所述第二负荷预测值的回归方差和残差方差;
根据所述回归方差和所述残差方差,确定所述待预测日的负荷预测方差;
根据所述负荷预测方差和所述回归方差,确定所述待预测日的所述第一温湿度和所述第二负荷预测值的相关系数,所述相关系数用于表征所述待预测日的第一温湿度和所述第二负荷预测值之间的相关性;
判断所述相关系数是否大于等于第二预设阈值;
若是,则确定所述第二负荷预测值为准确值。
其中一种可能的实现方式中,所述判断降雨时间是否在预设的日最大负荷之前,包括:
根据所述待预测日的所述第一温湿度信息,确定所述待预测日的历史相似日和所述历史相似日对应的第二历史温湿度信息;
对所述第二历史温湿度信息进行主分量分析,确定目标气象因子,所述目标气象因子用于表征影响所述历史相似日降雨的因素,所述目标气象因子包括温度因子和/或湿度因子;
根据所述目标气象因子,对所述待预测日的所述第一温湿度信息进行判别分析,判断所述降雨时间是否在所述日最大负荷时刻之前。
其中一种可能的实现方式中,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日之前第一预设时长内的历史天气信息、对应的第二历史负荷信息和第二历史负荷预测值,所述历史天气信息包括所述待预测日之前第一预设时长内的历史天气类型;
根据所述历史天气类型,判断所述待预测日之前第一预设时长内是否存在恶劣天气;
若存在,则根据所述第二历史负荷信息和所述第二历史负荷预测值,确定所述待预测日之前第一预设时长内的第一负荷浮动值;
根据所述第一负荷浮动值和所述第一负荷预测值,确定所述待预测日的第三负荷预测值。
其中一种可能的实现方式中,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日的停电检修计划和/或工业生产计划;
根据所述停电检修计划和/或所述工业生产计划,确定第二负荷浮动值;
根据所述第一负荷预测值和所述第二负荷浮动值,确定所述待预测日的第四负荷预测值。
其中一种可能的实现方式中,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
根据所述待预测日的日期,判断所述待预测日是否为节假日;
若是,则获取所述节假日对应的第三历史负荷信息和第三历史负荷预测值,并确定所述节假日对应的第三负荷浮动值;
根据所述第三负荷浮动值和所述第一负荷预测值,确定所述待预测日的第五负荷预测值。
其中一种可能的实现方式中,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日之前第二预设时长内的农业灌溉计划;
根据所述农业灌溉计划,确定所述待预测日之前第二预设时长内的农业设备负荷信息;
根据所述农业设备负荷信息和所述第一负荷预测值,确定所述待预测日的第六负荷预测值。
其中一种可能的实现方式中,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
确定所述待预测日对应的第一节气区间;
获取所述第一节气区间内的第二历史负荷数据,并确定所述第二历史负荷数据的同比增长率;
根据所述同比增长率,确定所述第一节气区间内的最大负荷值;
判断所述第一负荷预测值是否大于所述最大负荷值;
若所述第一负荷预测值大于所述最大负荷值,则获取所述第一负荷预测值与所述最大负荷值之间的第二差值;
判断所述第二差值是否大于第二预设阈值;
若所述第二差值大于所述第二预设阈值,则剔除所述第一负荷预测值,重新进行所述电力负荷预测;
若所述第一负荷预测值小于等于所述最大负荷值,或者,所述第二差值小于等于所述第二预设阈值,则确定所述第一负荷预测值为准确值。
第二方面,本申请公开一种日前电力负荷预测装置,包括:
判断模块,用于获取待预测日的第一天气信息,并根据所述第一天气信息判断所述待预测日是否存在天气变化,所述第一天气信息包括第一温湿度信息,所述天气变化包括降雨;若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,所述日最大负荷时刻根据所述待预测日的日期确定;
获取模块,若所述降雨时间在所述日最大负荷时刻之前,则获取模块获取历史降雨天气的第二温湿度信息和第二负荷信息;
计算模块,用于根据所述第一温湿度信息、所述第二温湿度信息和所述第二负荷信息,确定所述待预测日的第一负荷预测值。
本申请提供的日前电力负荷预测方法,在进行电力负荷预测时,考虑到待预测日的温度、湿度、降雨等因素对负荷预测结果的影响。并且,本申请还提出,降雨时间同样会影响电力负荷预测结果。具体地,若降雨时间在待预测日的日最大负荷时刻之前,电力负荷会产生较明显的浮动。因此,本申请实施例以日最大负荷时刻为节点,根据待预测日的温度、湿度和降雨时间等因素进行电力负荷预测,使得电力负荷预测结果更加准确。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种日前电力负荷预测方法的实施例一的流程图;
图2为本申请提供的一种日前电力负荷预测方法的实施例二的流程图;
图3为本申请提供的一种日前电力负荷预测方法的实施例三的流程图;
图4为本申请提供的一种日前电力负荷预测方法的实施例四的流程图;
图5为本申请提供的一种日前电力负荷预测方法的实施例五的流程图;
图6为本申请提供的一种日前电力负荷预测方法的实施例六的流程图;
图7为本申请提供的一种日前电力负荷预测方法的实施例七的流程图;
图8为本申请实施例提供的一种日前电力负荷预测装置的结构示意图;
图9为本申请实施例提供的一种日前电力负荷预测设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
正如背景技术所介绍的,相关技术中,仅仅获取大量的历史温湿度信息为样本,对待预测日进行负荷预测,难以满足现有对电力负荷预测精度的要求。针对上述问题,本申请实施例提供了一种日前电力负荷预测方法,预先对待预测日的天气信息等进行分析。根据分析结果,有选择的获取历史时间段的温湿度信息作为预测样本,对待预测日进行电力负荷预测,从而提高电力负荷预测的精度。
实施例一:
参见图1,为本申请提供的一种日前电力负荷预测方法的实施例一的流程图。如图1中所示,上述方法的具体实现步骤可以包括:
步骤101、获取待预测日的第一天气信息,并根据第一天气信息判断待预测日是否存在天气变化。其中,上述第一天气信息包括第一温湿度信息,上述天气变化包括降雨。
步骤102、若存在,则判断降雨时间是否在预设的日最大负荷时刻之前。上述日最大负荷时刻根据待预测日的日期确定。
步骤103、若是,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤104、根据第一温湿度信息、第二温湿度信息和第二负荷信息,确定所述待预测日的第一负荷预测值。
本实施例在进行电力负荷预测时,考虑到待预测日的温度、湿度、降雨等因素对负荷预测结果的影响。并且,本申请还提出,降雨时间同样会影响电力负荷预测结果。具体地,若降雨时间在待预测日的日最大负荷时刻之前,电力负荷会产生较明显的浮动。因此,本申请实施例以日最大负荷时刻为节点,根据待预测日的温度、湿度和降雨时间等因素进行电力负荷预测,使得电力负荷预测结果更加准确。
具体地,本实施例的方案中,若确定待预测日的日最大负荷时刻之前存在降雨,则根据历史降雨天气的第二温湿度信息和第二负荷信息进行电力负荷预测。进一步,历史降雨天气具体可以为降雨时间在上述日最大负荷时刻之前的历史日。当然,本申请实施例不做具体限定,历史降雨天气可根据实际情况自行选择。
另外,若待预测日不存在天气变化,或者,待预测日的降雨时间不在上述日最大负荷时刻之前,则上述电力负荷预测方法还可以包括:
步骤105、若上述待预测日不存在天气变化,或者,上述降雨时间不在上述日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
需要说明的是,待预测日不存在天气变化具体可以表现为待预测日为持续晴天、待预测日为持续雨天等,本申请实施例不做限定。
步骤106、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤107、对上述第一历史温湿度信息和第一历史负荷信息进行回归分析,确定第一回归方程。
其中,第一回归方程用于表征所述第一历史负荷信息和所述第一历史温湿度信息之间的对应关系。
步骤108、根据待预测日的第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
可以理解的是,本申请实施例的电力负荷预测方法,均以与待预测日的温湿度信息相类似的历史温湿度信息为样本进行负荷预测,以得到更加准确的电力负荷预测结果。
下面,结合具体实施例,对本申请提出的上述电力负荷预测方法进行进一步描述。
实施例二:
参见图2,为本申请提供的一种电力负荷预测方法的实施例二的流程图。
如图2所示,上述方法的具体实现步骤可以包括:
步骤201、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤202、根据上述第一天气信息,判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
步骤203、若待预测日存在天气变化,则根据待预测日的第一温湿度信息,确定待预测日的历史相似日。
可以理解的是,历史相似日在上述日最大负荷时刻之前的第二历史温度信息与待预测日的上述第一温湿度信息间的差值小于等于第一预设阈值。当然,上述第一预设阈值可以根据实际情况自行设置,本申请实施例不做限定。
步骤204、对上述第二历史温湿度信息进行主分量分析,确定目标气象因子。其中,目标气象因子用于表征影响历史相似日降雨的因素。目标气象信息包括温度信息和/或湿度因子。
步骤205、根据上述目标气象因子,对待预测日的第一温湿度信息进行判别分析,判断降雨时间是否在日最大负荷时刻之前。
需要说明的是,日最大负荷时刻为待预测日用电量最多的时刻,日最大负荷时刻根据待预测日的日期确定。示例的,待预测日的日期为7月10日。而夏季用电量最多的时刻为20:00,则确定待预测日的日最大负荷时刻为20:00。
另外,若降雨发生在日最大负荷时刻之前,部分电力负荷会得到释放。这对待预测日负荷预测结果的影响较大。而相关技术中并未考虑到因降雨发生在日最大负荷时刻之前产生的负荷释放量对负荷预测的影响,从而负荷预测结果仍可能存在较大误差。
因此,本申请提出,需要判断降雨时间是否在大负荷时刻之前。作为一种可实现的方式,可以预先根据主分量分析确定可以对降雨产生影响的气象因子。示例的,上述气象因子可以包括:气压差、露点差、温度差等。经过回归分析可以确定各个气象因子对降雨影响程度,可以选取影响程度最大的气象因子作为目标气象因子。对目标气象因子和大负荷时刻之前的晴雨情况进行判别分析,判断降水时刻是否在大负荷时刻之前。
步骤206、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤207、根据第一温湿度信息、第二温湿度信息和第二负荷信息,确定待预测日的第一负荷预测值。
具体地,将历史降雨天气的上述第二温湿度信息和第二负荷信息进行回归分析,确定第二回归方程。第二回归方程用于表征降雨天气下温湿度信息和负荷信息之前的关系。
将待预测日的上述第一温湿度信息带入上述第二回归方程,得到待预测日的上述第一负荷预测值。
步骤208、若待预测日不存在天气变化,或者,待预测日的降雨时间不在日最大负荷时刻之前,则确定待预测日的第一温湿度信息对应的第一预设温湿度区间。
一种可实现的方式中,可以预先将一年中可能出现的温度和湿度进行划分,多个温湿度区间。示例的,可以将温度分为0℃以下、0℃-10℃、11℃-25℃、26℃-36℃、37℃-39℃和40℃以上六个温度区间;可以将湿度分为50%以下、50%-60%、61%-70%、71%以上四个湿度区间。将上述温度区间和上述湿度区间一一组合,得到多个预设温湿度区间。示例的,上述第一预设温湿度区间可以为温度37℃-39℃且湿度50%以下。当然,上述温度区间、湿度区间、第一预设温湿度区间可以根据实际情况自行设置,本申请实施例不做限定。
步骤209、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,第一历史温湿度信息在上述第一预设温湿度区间内。
步骤210、对上述第一历史温湿度信息和第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征第一历史负荷信息和第一历史温湿度信息之间的对应关系。
步骤211、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
进一步,为进一步验证上述第二负荷预测值的准确性,本实施例在确定待预测日的第二负荷预测值之后,还可以包括:
步骤212、根据上述第一历史负荷信息和上述第二负荷预测值,确定上述第二负荷预测值的回归方差和残差方差。
步骤213、根据上述回归方差和上述残差方差,确定待预测日的负荷预测方差。
步骤214、根据上述负荷预测方差和上述回归方差,确定待预测日的第一温湿度信息和第二负荷预测值的相关系数。其中,相关系数用于表征待预测日的第一温湿度信息和第二负荷预测值之间的相关性。
步骤215、判断上述相关系数是否大于等于第二预设阈值。
其中,第二预设阈值可以根据实际情况自行设置,本申请实施例不做限定。
步骤216、若是,则确定上述第二负荷预测值为准确值。
步骤217、若相关系数小于上述第二预设阈值,则执行步骤206,重新进行电力负荷预测。
本实施例的方案考虑到,不同温度、湿度范围内的电力负荷释放量会存在变动。而相关技术在通过大量历史负荷信息和历史温湿度信息进行负荷预测时,往往忽略了此类因素的影响,未达到对数据的有效处理,影响负荷预测的准确性。因此,本方案中,将待预测日可能出现的温湿度区间进行分类。并选择历史温湿度在同一区间的历史温湿度信息和相应的历史负荷信息进行回归分析,从而确定待预测日的温湿度与负荷值的准确关系,提高负荷预测的准确性。
实施例三:
参见图3,为本申请提供的一种电力负荷方法的实施例三的流程图。如图3所示,上述方法的具体实现步骤可以包括:
步骤301、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤302、根据第一天气信息判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
步骤303、若待预测日存在天气变化,则判断降雨时间是否在预设的日最大负荷时刻之前。
步骤304、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤305、根据第一温湿度信息、第二温湿度信息和第二负荷信息,确定待预测日的第一负荷预测值。
进一步,在确定待预测日的上述第一负荷预测值之后,本实施例的电力负荷预测方法还可以包括:
步骤306、获取待预测日之前第一预设时长内的历史天气信息、对应的第二历史负荷信息和第二历史负荷预测值。其中,上述历史天气信息可以包括待预测日之前预设时长内的历史天气类型。
示例的,上述第一预设时长可以为一天。当然,第一预设时长还可以根据实际情况自行设置,本申请实施例不做限定。
步骤307、根据上述历史天气类型,判断待预测日之前预设时长内是否存在恶劣天气。其中,上述恶劣天气可以包括暴雨天气、暴雪天气等,本申请实施例不做限定。
一种具体的应用场景中,暴雨过后,某地区高温看似减弱暂停,但是湿度加大,体感变得闷热。在此种情况下,居民用电量会产生大幅度的浮动。例如空调用电量增加等。用电量产生大幅度的浮动导致负荷预测结果存在较大误差。本实施例针对上述问题,在进行日前电力负荷预测时,还可以获取待预测日之前一段时间内的天气信息。根据上述天气信息,判断待预测日之前是否存在恶劣天气,从而降低因恶劣天气后用电量浮动对电力负荷预测结果造成的误差。
步骤308、若存在恶劣天气,则根据第二历史负荷信息和第二历史负荷预测值,确定待预测日之前第一预设时长内的第一负荷浮动值。若存在,则继续执行步骤309。若不存在,则执行步骤310。
步骤309、根据上述第一负荷浮动值和上述第一负荷预测值,确定待预测日的第三负荷预测值。
本实施例的方案中,考虑到恶劣天气前后的电力负荷浮动值较大。因此,若待预测日之前预设时长内存在恶劣天气,则获取待预测日之前预设时长内的第一负荷浮动值。根据第一负荷浮动值和第一负荷预测值,确定待预测日的负荷预测结果,避免产生较大的误差。
步骤310、若待预测日之前预设时长内不存在恶劣天气,则不执行操作。
步骤311、若待预测日不存在上述天气变化,或者,待预测日的上述降雨时间不在日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
步骤312、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤313、对上述第一历史温湿度信息和上述第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征上述第一历史负荷信息和上述第一历史温湿度信息之间的对应关系。
步骤314、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
实施例四:
参见图4,为本申请提供的一种电力负荷预测方法的实施例四的流程图。如图4中所示,上述方法的具体处理步骤可以包括:
步骤401、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤402、根据待预测日的第一天气信息判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
若存在,则继续执行步骤403。若待预测日不存在天气变化,则执行步骤409。
步骤403、若存在,则判断降雨时间是否在预设的日最大负荷时刻之前。若是,则继续执行步骤404。若降雨时间不在预设的日最大负荷时刻之前,则执行步骤409。
步骤404、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤405、根据上述第一温湿度信息、上述第二温湿度信息和上述第二负荷信息,确定待预测日的第一负荷预测值。
步骤406、获取待预测日的停电检修计划和/或工业生产计划。
具体地,停电检修会使得电力消耗减少,工业生产活动会消耗大量电力。因此,可以获取待测日的停电检修计划和/或工业生产计划等,进一步提高电力负荷预测的准确性。
步骤407、根据上述停电检修计划和/或工业生产计划,确定第二负荷浮动值。
作为一种可实现的方式,停电检修计划可以从电力管理系统中获取,或者,可以通过走访或者上网查询等方式得到。结合查询到的停电检修计划,对停电检修计划产生的电力消耗减少量进行预测。同样地,可以获取以往的工业生产计划和待预测日的工业生产计划。根据以往的工业生产计划造成的电力消耗,对待预测日的电力消耗增加量进行预测。最后,根据上述电力消耗减少量和上述电力消耗增加量,确定上述待预测日的上述第二负荷浮动值。
步骤408、根据上述第一负荷预测值和上述第二负荷浮动值,确定待预测日的第四负荷预测值。
步骤409、若待预测日不存在上述天气变化,或者,待预测日的上述降雨时间不在日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
步骤410、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤411、对上述第一历史温湿度信息和上述第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征上述第一历史负荷信息和上述第一历史温湿度信息之间的对应关系。
步骤412、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
实施例五:
参见图5,为本申请提供的一种日前电力负荷预测方法的实施例五的流程图。本实施例中,在进行日前电力负荷预测时,还考虑到了节假日与非节假日对电力负荷预测的影响。
如图5所示,上述方法的具体实现步骤可以包括:
步骤501、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤502、根据待预测日的第一天气信息判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
若存在,则继续执行步骤503。若待预测日不存在天气变化,则执行步骤511。
步骤503、若存在,则判断降雨时间是否在预设的日最大负荷时刻之前。若是,则继续执行步骤504。若降雨时间不在预设的日最大负荷时刻之前,则执行步骤511。
步骤504、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤505、根据上述第一温湿度信息、上述第二温湿度信息和上述第二负荷信息,确定待预测日的第一负荷预测值。
步骤506、根据待预测日的日期,确定待预测日是否为节假日。若是,则继续执行步骤507。若待预测日不是节假日,则直接执行步骤510。
步骤507、若待预测日是节假日,则获取上述节假日对应的第三历史负荷信息和第三历史负荷预测值。
步骤508、根据第三历史负荷信息和第三历史负荷预测值,确定上述节假日对应的第三负荷浮动值。
步骤509、根据上述第三负荷浮动值和第一负荷预测值,确定待预测日的第五负荷预测值。
步骤510、若待预测日不是节假日,则不进行操作。
步骤511、若待预测日不存在上述天气变化,或者,待预测日的上述降雨时间不在日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
步骤512、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤513、对上述第一历史温湿度信息和上述第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征上述第一历史负荷信息和上述第一历史温湿度信息之间的对应关系。
步骤514、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
实施例六:
参见图6,为本申请提供的一种日前电力负荷预测方法的实施例六的流程图。本实施例中,在进行日前电力负荷预测时,还考虑到了农业灌溉计划对电力负荷预测结果的影响。
如图6所示,上述方法的具体实现步骤可以包括:
步骤601、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤602、根据待预测日的第一天气信息判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
若存在,则继续执行步骤603。若待预测日不存在天气变化,则执行步骤609。
步骤603、若存在,则判断降雨时间是否在预设的日最大负荷时刻之前。若是,则继续执行步骤604。若降雨时间不在预设的日最大负荷时刻之前,则执行步骤609。
步骤604、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤605、根据上述第一温湿度信息、上述第二温湿度信息和上述第二负荷信息,确定待预测日的第一负荷预测值。
步骤606、获取待预测日之前第二预设时长内的农业灌溉计划。
步骤607、根据上述农业灌溉计划,确定待预测日之前第二预设时长内的农业设备负荷值。
步骤608、根据上述农业设备负荷值和上述第一负荷预测值,确定待预测日的第六负荷预测值。
步骤609、若待预测日不存在上述天气变化,或者,待预测日的上述降雨时间不在日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
步骤610、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤611、对上述第一历史温湿度信息和上述第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征上述第一历史负荷信息和上述第一历史温湿度信息之间的对应关系。
步骤612、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
实施例七:
参见图7,为本申请提供的一种电力负荷预测方法的实施例七的流程图。如图7所示,上述方法的具体实现步骤可以包括:
步骤701、获取待预测日的第一天气信息。其中,第一天气信息包括待预测日的第一温湿度信息。
步骤702、根据待预测日的第一天气信息判断待预测日是否存在天气变化。其中,上述天气变化包括降雨。
若存在,则继续执行步骤703。若待预测日不存在天气变化,则执行步骤712。
步骤703、若存在,则判断降雨时间是否在预设的日最大负荷时刻之前。若是,则继续执行步骤704。若降雨时间不在预设的日最大负荷时刻之前,则执行步骤712。
步骤704、若降雨时间在日最大负荷时刻之前,则获取历史降雨天气的第二温湿度信息和第二负荷信息。
步骤705、根据上述第一温湿度信息、上述第二温湿度信息和上述第二负荷信息,确定待预测日的第一负荷预测值。
另外,本实施例还提出,电力负荷具有明显的节气特征,同一节气区间内的气象数据样本更能体现待预测日的天气状态。而相关技术中缺少合理的预测区间加以纠正,导致负荷预测值偏差较大。因此,本实施例的电力负荷预测方法还可以包括:
步骤706、确定待预测日对应的第一节气区间。
步骤707、获取上述第一节气区间内的第二历史负荷信息,并确定上述第二历史负荷信息的同比增长率。
其中,上述同比增长率可以为待预测日所处季度的用电量与上一季度的用电量的增长率。
步骤708、根据上述同比增长率,确定上述第一节气区间内的最大负荷值。
作为一种可实现的方式,可以基于公式y=q*(1+k)进行计算,得到待预测日的上述最大负荷值。其中,q为历史最大电力负荷,k为季度电量增长率。示例的,通过第三季度用电量与第二季度用电量计算得到第三季度的电量的同比增长率为-5%。待预测日所属第一节气区间为大暑到立秋。则根据上一年度该节气范围内的历史最大负荷,确定上述最大负荷值。
步骤709、判断上述第一负荷预测值是否大于上述最大负荷值。若大于,则继续执行步骤710。若第一负荷预测值小于等于上述最大负荷测值,则执行步骤711。
步骤710、若第一负荷预测值大于上述最大负荷值,则获取第一负荷预测值与最大负荷值之间的第二差值。
步骤711、判断上述第二差值是否大于第二预设阈值;
步骤712、若第二差值大于第二预设阈值,则剔除上述第一负荷预测值,重新进行电力负荷预测。
步骤713、若上述第二差值小于等于第二预设阈值,或者,上述第一负荷预测值小于等于上述最大负荷值,则确定上述第一负荷预测值为准确值。
示例的,某上年度的最大负荷值为73.8万千瓦,出现在8月5日。本年度全社会用电量同比地区增长率为7.63%,将上年度最大负荷与本年度全社会用电量同比增长率相乘,预测本年度的最大负荷大概在80+2万千瓦。本年度7月初连续高温,通过本方法日前预测7月10日负荷为79.5万千瓦,小于本年度最大负荷预测值,不予剔除。经确认,该地区7月10日实际负荷值为79.9万千瓦,负荷预测准确率高达99%。
步骤714、若待预测日不存在上述天气变化,或者,待预测日的上述降雨时间不在日最大负荷时刻之前,则确定待预测日的上述第一温湿度信息对应的第一预设温湿度区间。
步骤715、获取第一历史温湿度信息和对应的第一历史负荷信息。其中,上述第一历史温湿度信息在上述第一预设温湿度区间内。
步骤716、对上述第一历史温湿度信息和上述第一历史负荷信息进行回归分析,确定第一回归方程。其中,第一回归方程用于表征上述第一历史负荷信息和上述第一历史温湿度信息之间的对应关系。
步骤717、根据待预测日的上述第一温湿度信息和上述第一回归方程,确定待预测日的第二负荷预测值。
综上所述,本申请提供的电力负荷预测方法,在进行电力负荷预测时,考虑到待预测日的温度、湿度、降雨时间等因素对负荷预测结果的影响。并且,以日最大负荷时刻为节点,根据待预测日的温度、湿度和降雨时间等因素进行对待预测日进行电力负荷预测。同时,结合恶劣天气、停电检修计划、工业生产计划和节假日等因素造成的电力负荷浮动,进一步确定待预测日的电力负荷预测结果,使得电力负荷预测结果更加准确。
图8为本申请实施例提供的一种电力负荷预测装置的结构示意图。如图8所示,上述电力负荷预测装置可以包括:
判断模块81,具体用于获取待预测日的第一天气信息。根据上述第一天气信息判断待预测日是否存在天气变化。其中,上述第一天气信息包括第一温湿度信息。上述天气变化包括降雨。若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,日最大负荷时刻根据待预测日的日期确定。
获取模块82,具体用于若降雨天气在上述日最大负荷时刻之前,则获取模块82获取历史降雨天气的第二温湿度信息和第二负荷信息。
计算模块83,具体用于根据上述第一温湿度信息、上述第二温湿度信息和上述第二负荷信息,确定待预测日的第一负荷预测值。
本实施例的具体实施方式和有益效果可进一步参考图1~图7所提供的方案,此处不再赘述。
图9为本申请实施例提供的一种电力负荷预测设备的结构示意图。
本申请实施例提供的日前电力负荷预测装置可应用于日前电力负荷预测设备。图9示出了日前电力负荷预测设备的硬件结构框图,参照图9,设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于实现前述日前电力负荷预测方案中的各个处理流程
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于实现前述日前电力负荷预测方案中的各个处理流程。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种日前电力负荷预测方法,其特征在于,所述方法包括:
获取待预测日的第一天气信息,并根据所述第一天气信息判断所述待预测日是否存在天气变化,所述第一天气信息包括第一温湿度信息,所述天气变化包括降雨;
若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,所述日最大负荷时刻根据所述待预测日的日期确定;
若是,则获取历史降雨天气的第二温湿度信息和第二负荷信息;
根据所述第一温湿度信息、所述第二温湿度信息和所述第二负荷信息,确定所述待预测日的第一负荷预测值。
2.根据权利要求1所述的方法,其特征在于,根据所述第一天气信息判断所述待预测日是否存在天气变化之后,所述方法还包括:
若所述待预测日不存在所述天气变化,或者,若所述降雨时间不在所述日最大负荷时刻之前,则确定所述第一温湿度信息对应的第一预设温湿度区间;
获取第一历史温湿度信息和对应的第一历史负荷信息,所述第一历史温湿度数据在所述第一预设温湿度区间内;
对所述第一历史温湿度信息和所述第一历史负荷信息进行回归分析,确定第一回归方程,所述第一回归方程用于表征所述第一历史负荷信息和所述第一历史温湿度信息之间的对应关系;
根据所述待预测日的所述第一温湿度信息和所述第一回归方程,确定所述待预测日的第二负荷预测值。
3.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第二负荷预测值之后,所述方法还包括:
根据所述第一历史负荷信息和所述第二负荷预测值,确定所述第二负荷预测值的回归方差和残差方差;
根据所述回归方差和所述残差方差,确定所述待预测日的负荷预测方差;
根据所述负荷预测方差和所述回归方差,确定所述待预测日的所述第一温湿度和所述第二负荷预测值的相关系数,所述相关系数用于表征所述待预测日的第一温湿度和所述第二负荷预测值之间的相关性;
判断所述相关系数是否大于等于第二预设阈值;
若是,则确定所述第二负荷预测值为准确值。
4.根据权利要求1所述的方法,其特征在于,所述判断降雨时间是否在预设的日最大负荷时刻之前,包括:
根据所述待预测日的所述第一温湿度信息,确定所述待预测日的历史相似日和所述历史相似日对应的第二历史温湿度信息;
对所述第二历史温湿度信息进行主分量分析,确定目标气象因子,所述目标气象因子用于表征影响所述历史相似日降雨的因素,所述目标气象因子包括温度因子和/或湿度因子;
根据所述目标气象因子,对所述待预测日的所述第一温湿度信息进行判别分析,判断所述降雨时间是否在所述日最大负荷时刻之前。
5.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日之前第一预设时长内的历史天气信息、对应的第二历史负荷信息和第二历史负荷预测值,所述历史天气信息包括所述待预测日之前第一预设时长内的历史天气类型;
根据所述历史天气类型,判断所述待预测日之前第一预设时长内是否存在恶劣天气;
若存在,则根据所述第二历史负荷信息和所述第二历史负荷预测值,确定所述待预测日之前第一预设时长内的第一负荷浮动值;
根据所述第一负荷浮动值和所述第一负荷预测值,确定所述待预测日的第三负荷预测值。
6.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日的停电检修计划和/或工业生产计划;
根据所述停电检修计划和/或所述工业生产计划,确定第二负荷浮动值;
根据所述第一负荷预测值和所述第二负荷浮动值,确定所述待预测日的第四负荷预测值。
7.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
根据所述待预测日的日期,判断所述待预测日是否为节假日;
若是,则获取所述节假日对应的第三历史负荷信息和第三历史负荷预测值,并确定所述节假日对应的第三负荷浮动值;
根据所述第三负荷浮动值和所述第一负荷预测值,确定所述待预测日的第五负荷预测值。
8.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
获取所述待预测日之前第二预设时长内的农业灌溉计划;
根据所述农业灌溉计划,确定所述待预测日之前第二预设时长内的农业设备负荷信息;
根据所述农业设备负荷信息和所述第一负荷预测值,确定所述待预测日的第六负荷预测值。
9.根据权利要求1所述的方法,其特征在于,所述确定所述待预测日的第一负荷预测值之后,所述方法还包括:
确定所述待预测日对应的第一节气区间;
获取所述第一节气区间内的第二历史负荷数据,并确定所述第二历史负荷数据的同比增长率;
根据所述同比增长率,确定所述第一节气区间内的最大负荷值;
判断所述第一负荷预测值是否大于所述最大负荷值;
若所述第一负荷预测值大于所述最大负荷值,则获取所述第一负荷预测值与所述最大负荷值之间的第二差值;
判断所述第二差值是否大于第二预设阈值;
若所述第二差值大于所述第二预设阈值,则剔除所述第一负荷预测值,重新进行所述电力负荷预测;
若所述第一负荷预测值小于等于所述最大负荷值,或者,所述第二差值小于等于所述第二预设阈值,则确定所述第一负荷预测值为准确值。
10.一种电力负荷预测装置,其特征在于,包括:
判断模块,用于获取待预测日的第一天气信息,并根据所述第一天气信息判断所述待预测日是否存在天气变化,所述第一天气信息包括第一温湿度信息,所述天气变化包括降雨;若存在,则判断降雨时间是否在预设的日最大负荷时刻之前,所述日最大负荷时刻根据所述待预测日的日期确定;
获取模块,若所述降雨时间在所述日最大负荷时刻之前,则获取模块获取历史降雨天气的第二温湿度信息和第二负荷信息;
计算模块,用于根据所述第一温湿度信息、所述第二温湿度信息和所述第二负荷信息,确定所述待预测日的第一负荷预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311337569.2A CN117200223A (zh) | 2023-10-16 | 2023-10-16 | 日前电力负荷预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311337569.2A CN117200223A (zh) | 2023-10-16 | 2023-10-16 | 日前电力负荷预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117200223A true CN117200223A (zh) | 2023-12-08 |
Family
ID=88988868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311337569.2A Pending CN117200223A (zh) | 2023-10-16 | 2023-10-16 | 日前电力负荷预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117200223A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787652A (zh) * | 2024-01-11 | 2024-03-29 | 湖北华中电力科技开发有限责任公司 | 园区电力需求预测方法、相关装置及存储介质 |
-
2023
- 2023-10-16 CN CN202311337569.2A patent/CN117200223A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787652A (zh) * | 2024-01-11 | 2024-03-29 | 湖北华中电力科技开发有限责任公司 | 园区电力需求预测方法、相关装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN111260136A (zh) | 一种基于arima-lstm组合模型的楼宇短期负荷预测方法 | |
CN103117546B (zh) | 一种超短期风电功率滑动预测方法 | |
CN112288164B (zh) | 一种计及空间相关性和修正数值天气预报的风功率组合预测方法 | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN109242265B (zh) | 基于误差平方和最小的城市需水量组合预测方法 | |
CN111695736B (zh) | 一种基于多模型融合的光伏发电短期功率预测方法 | |
CN106600037B (zh) | 一种基于主成分分析的多参量辅助负荷预测方法 | |
CN107403015B (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
CN111488896A (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
CN112819312A (zh) | 气候变化情景下干旱社会经济暴露度评估方法和系统 | |
CN110909958A (zh) | 一种计及光伏并网功率的短期负荷预测方法 | |
CN112365056A (zh) | 一种电气负荷联合预测方法、装置、终端及存储介质 | |
CN107977728A (zh) | 一种基于bp人工神经网络的中长期逐小时气温预测方法 | |
CN112990587A (zh) | 一种对台区用电进行精准预测的方法及系统、设备、介质 | |
CN117117819A (zh) | 一种光伏发电短期功率预测方法、系统、设备和介质 | |
CN111008727A (zh) | 一种配电台区负荷预测方法及装置 | |
CN113991711B (zh) | 一种光伏电站储能系统容量配置方法 | |
CN114021830A (zh) | 一种基于cnn-lstm的多时间范围风速预测方法 | |
CN113868938A (zh) | 基于分位数回归的短期负荷概率密度预测方法、装置及系统 | |
CN115545333A (zh) | 一种多负荷日类型配电网负荷曲线预测方法 | |
CN114692981A (zh) | 基于Seq2Seq模型的中长期径流预报方法和系统 | |
CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
CN116960962A (zh) | 一种跨区域数据融合的中长期区域负荷预测方法 |
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 |