【技術實現步驟摘要】
本專利技術涉及電力電網，尤其涉及一種基于多源歷史數據的負荷預測方法及裝置。
技術介紹
1、對于智能電網來說，電力短期需求預測是促進電力系統穩定的重要措施，可以充分指導電力系統的管理者調配資源，引導電力企業優化電力調度與發電計劃，增強電網應急調節能力。負荷預測的準確程度是電力需求預測穩定進行的基礎，尤其是在大規模的新能源接入到電網后，預測的顆粒度越精細越能更好地了解負荷變化情況，從而進行更準確、更經濟的電力調度。由于分布式新能源的加入，負荷的波動性變得更加復雜，自然因素的多變性，電力市場中電價與負荷的相互作用，以及人們生產活動等因素，使得負荷預測面臨著更大的挑戰。
2、負荷預測的基本方法分為傳統方法和基于機器學習及基于深度學習的方法，傳統方法包括時間序列分析的方法和回歸分析法等，傳統方法的優點在于所需的數據量少，且預測方法簡單，通常只考慮歷史負荷，對不確定因素如節假日、天氣等考慮較少，基于機器學習的方法包括支持向量機、決策樹和隨機森林等。在大量分布式新能源接入電力系統后，電力負荷預測應細化天氣、地理環境、風能和太陽能儲備等因素的影響，以獲得更準確、更合理的長期預測結果,同時電力負荷受地區政策、經濟影響較大，因此應當考慮電價、節假日等因素對負荷的影響。
3、在負荷預測中，由于時間尺度多樣性，簡單的將各時間尺度的數據拼接到一起，容易導致數據冗余、噪聲干擾等問題導致模型預測結果不穩定，準確性較低。例如，不同時期的歷史數據存在較高的相關性，前一天和前一周的數據有時會反映類似的負荷變化模式，這種相關性會導致冗余特征，
技術實現思路
1、本專利技術提供了一種基于多源歷史數據的負荷預測方法及裝置，能夠提高負荷預測結果的穩定性和準確性。
2、第一方面，本專利技術提供了一種基于多源歷史數據的負荷預測方法，該方法包括：獲取與負荷相關的多源歷史數據，多源歷史數據包括歷史負荷數據、歷史氣象數據和可再生能源發電數據；對多源歷史數據進行噪聲處理和時間尺度劃分，得到多個時間尺度的初始序列；基于多個時間尺度的初始序列，進行相關性分析和特征篩選，得到多個時間尺度的特征序列；基于多個時間尺度的特征序列，以及預設各時間尺度對應的權重，進行加權融合，得到融合特征；基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值。
3、在一種可能的實現方式中，對多源歷史數據進行噪聲處理和時間尺度劃分，得到多個時間尺度的初始序列，包括：對多源歷史數據進行時間尺度劃分，得到每類數據源多個時間尺度的歷史數據；對每類數據源多個時間尺度的歷史數據進行異常檢測和噪聲剔除，得到多個時間尺度的初始序列。
4、在一種可能的實現方式中，基于多個時間尺度的初始序列，進行相關性分析和特征篩選，得到多個時間尺度的特征序列，包括：基于多個時間尺度的初始序列，以及歷史負荷數據，采用灰色關聯度分析法，計算各時間尺度中每類數據的平均灰度相關系數；平均灰度相關系數用于表示各時間尺度中各類數據與總時間序列的負荷數據之間的相關性；基于平均灰度相關系數，對多個時間尺度的初始序列進行篩選，得到多個時間尺度的特征序列。
5、在一種可能的實現方式中，基于多個時間尺度的特征序列，以及預設各時間尺度對應的權重，進行加權融合，得到融合特征之前，還包括：基于多個時間尺度的特征序列進行卷積處理，得到多個時間尺度的卷積特征；基于多個時間尺度的卷積特征，以及預設權重生成網絡，確定各時間尺度對應的權重。
6、在一種可能的實現方式中，基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值之前，還包括：獲取歷史時期內的多源歷史數據；對歷史時期內的多源歷史數據進行時間窗口劃分，得到多個時間窗口的多源歷史數據；基于多個時間窗口的多源歷史數據，確定每個時間窗口的融合特征；以每個時間窗口的融合特征為輸入，以每個時間窗口的下一時間窗口的負荷數據為輸出，確定多個訓練樣本；基于多個訓練樣本，進行神經網絡訓練，得到預設負荷預測模型。
7、在一種可能的實現方式中，多個訓練樣本包括訓練集和驗證集；基于多個訓練樣本，進行神經網絡訓練，得到預設負荷預測模型，包括：基于訓練集，進行神經網絡訓練，得到初始預測模型；基于驗證集，對初始預測模型進行驗證，得到驗證結果；若驗證結果不滿足設定條件，則修改權重生成網絡的網絡參數；基于多個時間窗口的多源歷史數據，以及修正后的權重生成網絡，重生成每個時間窗口中各時間尺度的權重；基于多個時間窗口的多源歷史數據，以及重生成的每個時間窗口中各時間尺度的權重，重生成每個時間窗口的融合特征；基于重生成的每個時間窗口的融合特征，更新訓練樣本；基于更新后的訓練樣本中的訓練集，重新進行神經網絡訓練，得到重訓練預測模型；基于更新后的訓練樣本中的驗證集，對重訓練預測模型進行驗證，得到重訓練驗證結果；若重訓練驗證結果不滿足設定條件，則重復修改權重生成網絡的網絡參數，直至重訓練驗證結果滿足設定條件。
8、在一種可能的實現方式中，預設負荷預測模型包括輸入層、第一cnn層、第二cnn層、第一lstm層、第二lstm層、注意力層、全連接層和輸出層；基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值，包括：將融合特征輸入第一cnn層和第二cnn層，進行特征提取，得提取特征；基于融合特征以及提取特征，進行特征合并，得到合并特征；將合并特征輸入第一lstm層和第二lstm層，得到特征向量；將特征向量輸入注意力層進行權重計算，得到特征向量對應的特征權重；基于特征向量，以及特征向量對應的特征權重，得到特征權重向量；將特征權重向量輸入全連接層，得到預測負荷值。
9、第二方面，本專利技術實施例提供了一種基于多源歷史數據的負荷預測裝置，該裝置包括：通信模塊，用于獲取與負荷相關的多源歷史數據，多源歷史數據包括歷史負荷數據、歷史氣象數據和可再生能源發電數據；處理模塊，用于對多源歷史數據進行噪聲處理和時間尺度劃分，得到多個時間尺度的初始序列；基于多個時間尺度的初始序列，進行相關性分析和特征篩選，得到多個時間尺度的特征序列；基于多個時間尺度的特征序列，以及預設各時間尺度對應的權重，進行加權融合，得到融合特征；基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值。
10、在一種可能的實現方式中，處理模塊，具體用于對多源歷史數據進行時間尺度劃分，得到每類數據源多個時間尺度的歷史數據；對每類數據源多個時間尺度的歷史數據進行異常檢測和噪聲剔除，得到多個時間尺度的初始序列。
11、在一種可能的實現方式中，處理模塊，具體用于基于多個時間尺度的初始序列，以及歷史負荷數據，采用灰色關聯度分析法，計算各時間尺度中每類數據的平均灰度相關系數；平均灰度相關系數用于表示各時間尺度中各類數據與總時間序列的負荷數據之間的相關性；基于平均灰度相關系本文檔來自技高網...
【技術保護點】
1.一種基于多源歷史數據的負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述對所述多源歷史數據進行噪聲處理和時間尺度劃分，得到多個時間尺度的初始序列，包括：
3.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于所述多個時間尺度的初始序列，進行相關性分析和特征篩選，得到多個時間尺度的特征序列，包括：
4.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于所述多個時間尺度的特征序列，以及預設各時間尺度對應的權重，進行加權融合，得到融合特征之前，還包括：
5.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值之前，還包括：
6.根據權利要求5所述的基于多源歷史數據的負荷預測方法，其特征在于，所述多個訓練樣本包括訓練集和驗證集；
7.根據權利要求6所述的基于多源歷史數據的負荷預測方法，其特征在于，所述預設負荷預測模型包括輸入層、第一CN
8.一種基于多源歷史數據的負荷預測裝置，其特征在于，包括：
9.根據權利要求8所述的基于多源歷史數據的負荷預測裝置，其特征在于，所述處理模塊，具體用于對所述多源歷史數據進行時間尺度劃分，得到每類數據源多個時間尺度的歷史數據；對每類數據源多個時間尺度的歷史數據進行異常檢測和噪聲剔除，得到所述多個時間尺度的初始序列。
10.根據權利要求8所述的基于多源歷史數據的負荷預測裝置，其特征在于，所述處理模塊，具體用于基于所述多個時間尺度的初始序列，以及所述歷史負荷數據，采用灰色關聯度分析法，計算各時間尺度中每類數據的平均灰度相關系數；所述平均灰度相關系數用于表示各時間尺度中各類數據與總時間序列的負荷數據之間的相關性；基于所述平均灰度相關系數，對所述多個時間尺度的初始序列進行篩選，得到所述多個時間尺度的特征序列。
...【技術特征摘要】
1.一種基于多源歷史數據的負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述對所述多源歷史數據進行噪聲處理和時間尺度劃分，得到多個時間尺度的初始序列，包括：
3.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于所述多個時間尺度的初始序列，進行相關性分析和特征篩選，得到多個時間尺度的特征序列，包括：
4.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于所述多個時間尺度的特征序列，以及預設各時間尺度對應的權重，進行加權融合，得到融合特征之前，還包括：
5.根據權利要求1所述的基于多源歷史數據的負荷預測方法，其特征在于，所述基于融合特征，以及預設負荷預測模型，進行負荷預測，得到預測負荷值之前，還包括：
6.根據權利要求5所述的基于多源歷史數據的負荷預測方法，其特征在于，所述多個訓練樣本包括訓練集和驗證集；
7.根據權利要求6所述的...
【專利技術屬性】
技術研發人員：王夢迪，辛銳，夏明睿，葛茵茵，張鵬飛，陳曦，王俊卿，鄭濤，常永娟，孫思思，劉明碩，彭姣，
申請(專利權)人：國網河北省電力有限公司信息通信分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。