負荷預測方法及負荷預測系統技術方案

本發明專利技術提供了一種負荷預測方法及負荷預測系統，負荷預測方法包括：獲取環境參數及負荷參數，根據環境參數及負荷參數計算衍生特征；獲取常規參數，根據常規參數計算常規特征；建立數學模型，將衍生特征與常規特征導入數學模型中學習，以獲取數學模型的超參數；將預測參數導入學習后的數學模型中，根據超參數與預測參數計算并輸出對應的負荷預測結果。本發明專利技術技術方案中，針對性獲取環境參數、負荷參數以及常規參數進行結合并得到衍生特征及常規特征，指向性高，從而克服深度學習在少量樣本情況下無法學習到優質特征的問題；并且可以通過既定先驗知識提取部分高階特征，進而減小數學模型過擬合風險，提高預測精度。提高預測精度。提高預測精度。

【技術實現步驟摘要】
負荷預測方法及負荷預測系統


[0001]本專利技術涉及電力
，特別涉及一種負荷預測方法及負荷預測系統。

技術介紹

[0002]工業園區能源系統通過能源生產、存儲及調度，能夠實現可再生能源的充分消納和多種能源供需間的靈活轉換。準確的負荷預測是園區能源系統安全經濟運行與優化管理的基礎?？紤]到工業園區負荷波動性強、數據量少、主觀性高以及對準確率要求高等特點，在負荷預測任務中需要將多種維度信息充分考慮；同時，由于存在部分較長的周期性規律，預測算法則需要挖掘較長的時間尺度。
[0003]在傳統預測方法方面，包括卡爾曼濾波預測、差分整合滑動平均自回歸模型預測與時間序列預測等預測方法，這些方法受模型容量、輸入數據格式和信息維度限制，難以捕捉工業園區負荷的變化規律；并且部分機器學習算法沒有對特征進行深入挖掘，尤其是對于氣象特征和其他常規信息的常規參數特征，導致預測精度較低。
[0004]目前在現有技術中，雖提出了通過深度學習的方式，例如通過將改進的DBN應用于復雜環境下，來進一步提高該方法的訓練效率及數據處理能力。但冷、熱負荷預測是綜合能源系統運行優化的保障，其不僅受到用戶用能數據的影響，還會高度依賴于季節與氣象的變化趨勢。
[0005]或者又例如基于反向傳播神經網絡(backpropagation neural network)模型的大型公共建筑冷負荷預測，驗證了BP神經網絡模型對冷負荷與各輸入變量有較高的映射能力。但是深度學習類方法對數據量要求較高，需要大量的歷史數據進行學習，同時對缺失值需要額外處理，不適合運用于數據較少的園區。

技術實現思路

[0006]本專利技術的主要目的是提供一種負荷預測方法及負荷預測系統，旨在解決現有技術中園區冷熱電負荷預測精度低，以及深度學習依賴大量歷史數據，耗時長、成本高的技術問題。
[0007]為實現上述目的，本專利技術提出一種負荷預測方法，所述負荷預測方法包括：
[0008]獲取環境參數及負荷參數，根據所述環境參數及所述負荷參數計算衍生特征；
[0009]獲取常規參數，根據所述常規參數計算常規特征；
[0010]建立數學模型，將所述衍生特征與所述常規特征導入所述數學模型中學習，以獲取所述數學模型的超參數；
[0011]將預測參數導入學習后的所述數學模型中，根據所述超參數與所述預測參數計算并輸出對應的負荷預測結果。
[0012]可選地，獲取環境參數及負荷參數，根據所述環境參數及所述負荷參數計算衍生特征的步驟包括：
[0013]在預設時間段內，每間隔預設時長獲取一次所述環境參數、以及獲取一次所述負
荷參數；
[0014]將所述環境參數與所述負荷參數進行擬合；
[0015]根據擬合后的方程曲線計算所述衍生特征。
[0016]可選地，將所述環境參數與所述負荷參數進行擬合的步驟包括：
[0017]建立坐標系，將所述環境參數與所述負荷參數代入所述坐標系中；
[0018]根據所述環境參數與所述負荷參數在所述坐標系中的坐標擬合所述方程曲線，所述環境參數與所述負荷參數滿足以下條件：
[0019]y＝max(0，min(a*x4+b*x3+c*x2+d*x+e，U))；
[0020]其中，x為所述環境參數，y為所述負荷參數，U為額定最大負荷，參數a、參數b、參數c、參數d以及參數e通過反向傳播計算方式計算獲得。
[0021]可選地，獲取常規參數，根據所述常規參數計算常規特征的步驟包括：
[0022]獲取預設數量個連續的時刻，以及每個所述時刻下對應的歷史負荷參數；
[0023]計算所述歷史負荷參數的均值、最大值、最小值、峰度、偏度、標準差；
[0024]將所述均值、所述最大值、所述最小值、所述峰度、所述偏度、所述標準差中的至少一個作為所述常規特征。
[0025]可選地，獲取連續的預設數量個時刻，以及每個所述時刻下對應的歷史負荷參數的步驟之后，還包括：
[0026]獲取日期參數；
[0027]將所述日期參數與所述歷史負荷參數關聯；
[0028]其中，所述日期參數包括年份信息、月份信息、星期信息、小時信息、工作日信息、節假日信息。
[0029]可選地，計算多個所述歷史負荷參數的均值、最大值、最小值、峰度、偏度、標準差的步驟之后，還包括：
[0030]獲取差分參數，將所述差分參數中的一階差分、二階差分作為所述差分特征；
[0031]獲取趨勢參數，將所述趨勢參數中的負荷同比率、負荷環比率作為所述趨勢特征；
[0032]獲取氣象參數，將所述氣象參數中的溫度信息、濕度信息、降雨信息作為氣象特征；
[0033]將所述均值、所述最大值、所述最小值、所述峰度、所述偏度、所述標準差中的至少一個作為所述常規特征的步驟還包括：
[0034]將所述均值、所述最大值、所述最小值、所述峰度、所述偏度、所述標準差、所述差分特征、所述趨勢特征、所述氣象特征中的至少一個作為所述常規特征。
[0035]可選地，將所述衍生特征與所述常規特征導入所述數學模型中學習的步驟包括：
[0036]將所述衍生特征按照預設比例分為第一訓練集以及第一驗證集；
[0037]將所述常規特征按照所述預設比例分為第二訓練集以及第二驗證集；
[0038]將所述第一訓練集以及所述第二訓練集導入所述數學模型中學習，以獲取所述超參數；
[0039]將所述第一驗證集以及所述第二驗證集導入所述數學模型中學習，以驗證所述超參數是否準確。
[0040]可選地，所述環境參數包括環境溫度、環境濕度和/或降雨量；所述負荷參數包括
冷負荷參數、熱負荷參數和/或電負荷參數。
[0041]此外，為解決上述問題，本專利技術還提出了一種負荷預測系統，所述負荷預測系統包括傳感器、存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的冷熱電負荷預測程序，所述傳感器與所述處理器電連接，其中：
[0042]所述傳感器用于采集環境參數和/或負荷參數，并將所述環境參數和/或所述負荷參數發送至所述處理器；
[0043]所述冷熱電負荷預測程序被所述處理器執行時實現如權利要求1至8中任一項所述的負荷預測方法的步驟。
[0044]可選地，所述負荷預測系統還包括通訊模塊，所述通訊模塊與所述處理器電連接，所述通訊模塊用于通過互聯網以獲取所述環境參數，并將所述環境參數發送至所述處理器。
[0045]本專利技術技術方案中，針對性獲取所述環境參數、所述負荷參數以及常規參數進行結合并得到所述衍生特征及所述常規特征，輸入所述衍生特征及所述常規特征到所述數學模型中進行學習，指向性高，從而克服深度學習在少量樣本情況下無法學習到優質特征的問題；并且可以通過既定先驗知識提取部分高階特征，進而減小所述數學模型過擬合風險，提高預測精度。
附圖說明
[0046]為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種負荷預測方法，其特征在于，所述負荷預測方法包括：獲取環境參數及負荷參數，根據所述環境參數及所述負荷參數計算衍生特征；獲取常規參數，根據所述常規參數計算常規特征；建立數學模型，將所述衍生特征與所述常規特征導入所述數學模型中學習，以獲取所述數學模型的超參數；將預測參數導入學習后的所述數學模型中，根據所述超參數與所述預測參數計算并輸出對應的負荷預測結果。2.根據權利要求1所述的負荷預測方法，其特征在于，獲取環境參數及負荷參數，根據所述環境參數及所述負荷參數計算衍生特征的步驟包括：在預設時間段內，每間隔預設時長獲取一次所述環境參數、以及獲取一次所述負荷參數；將所述環境參數與所述負荷參數進行擬合；根據擬合后的方程曲線計算所述衍生特征。3.根據權利要求2所述的負荷預測方法，其特征在于，將所述環境參數與所述負荷參數進行擬合的步驟包括：建立坐標系，將所述環境參數與所述負荷參數代入所述坐標系中；根據所述環境參數與所述負荷參數在所述坐標系中的坐標擬合所述方程曲線，所述環境參數與所述負荷參數滿足以下條件：y＝max(0，min(a*x4+b*x3+c*x2+d*x+e，U))；其中，x為所述環境參數，y為所述負荷參數，U為額定最大負荷，參數a、參數b、參數c、參數d以及參數e通過反向傳播計算方式計算獲得。4.根據權利要求1所述的負荷預測方法，其特征在于，獲取常規參數，根據所述常規參數計算常規特征的步驟包括：獲取連續的預設數量個時刻，以及每個所述時刻下對應的歷史負荷參數；計算所述歷史負荷參數的均值、最大值、最小值、峰度、偏度、標準差；將所述均值、所述最大值、所述最小值、所述峰度、所述偏度、所述標準差中的至少一個作為所述常規特征。5.根據權利要求4所述的負荷預測方法，其特征在于，獲取連續的預設數量個時刻，以及每個所述時刻下對應的歷史負荷參數的步驟之后，還包括：獲取日期參數；將所述日期參數與所述歷史負荷參數關聯；其中，所述日期參數包括年份信息、月份信息、星期信息、小時信息、工作日信息、節假日信息。6.根據權...

【專利技術屬性】
技術研發人員：趙儆，張勝祥，單存知，王湘，文金遠，孟斌，劉芷合，李峰，韓夢天，賴曉文，
申請(專利權)人：北京清能互聯科技有限公司，
類型：發明
國別省市：