电力负荷预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种电力负荷预测方法、装置、计算机设备和存储介质。所述方法包括：采集初始电力负荷数据，对初始电力负荷数据进行数据预处理，生成待测试电力负荷数据。获取利用仿真模拟得到的需求响应量的预测值，并获取根据预测算法训练得到可用预测模型，将待测试电力负荷数据输入可用预测模型中，生成常规负荷预测值。将需求响应量的预测值和常规负荷预测值进行叠加，得到电力负荷预测结果。采用本方法能够考虑到不同用户需求，并将需求响应量的预测值和常规负荷预测值进行叠加，得到电力负荷预测结果，实现了针对不同用户需求的电力负荷预测，同时利用预测算法训练得到的可用预测模型也进一步提高了电力负荷预测的精确度。

Power load forecasting methods, devices, computer equipment and storage media

【技术实现步骤摘要】
电力负荷预测方法、装置、计算机设备和存储介质
本申请涉及电力
，特别是涉及一种电力负荷预测方法、装置、计算机设备和存储介质。
技术介绍
随着电力技术的日益发展，电力能源在当前社会的应用越来越广泛，在电力系统对于电力负荷预测的工作中，负荷预测的准确率高低，对电力企业实现能源节约以及经济效益提高方面有着重大作用。当下正处于能源紧张和短缺的情形下，电网的最大电力负荷量日渐增加，系统负荷峰谷差进一步加大，由于大量用电负荷均具有可调度潜力，所以目前部分地区已经开始实行电力需求侧管理，而电力需求侧管理是指电力行业(供应侧)采取行政、经济、技术措施，鼓励用户(需求侧)采用各种有效的节能技术改变需求方式，在保持能源服务水平的情况下，降低能源消费和用电负荷，从而取得明显的经济效益和社会效益，但这将会导致传统电力负荷预测的精确度大大下降。传统的电力负荷预测方法大多是通过对过往数据进行基于经验的算法比对，但实际上，电力负荷存在着多种影响因素，其本身就具有一定的随机性，各地区的电网分布情况以及气候状况等多种因素都会直接影响负荷变化，因此，现有的电力负荷预测方法，仅基于少量的历史数据进行分析的预测的结果，精确度较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高电力负荷预测精确度的电力负荷预测方法、装置、计算机设备和存储介质。一种电力负荷预测方法，所述方法包括：采集初始电力负荷数据；对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；获取利用仿真模拟得到的需求响应量的预测值；获取可用预测模型；所述可用预测模型根据预测算法训练得到；将所述待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。在其中一个实施例中，所述预测算法包括最小二乘支持向量机和极简爆炸烟花算法；训练所述可用预测模型的方式，包括：获取气象数据，并根据所述气象数据建立训练样本集和测试样本集；利用所述训练样本集，对所述最小二乘支持向量机进行训练；采用所述极简爆炸烟花算法，对所述最小二乘支持向量机对应的参数设置进行寻优，生成初始预测模型；利用所述测试样本集测试所述初始预测模型的精确度，确定最小二乘支持向量机的可用参数，得到所述可用预测模型。在其中一个实施例中，所述获取利用仿真模拟得到的需求响应量的预测值，包括：获取待进行负荷预测地区的环境数据；根据所述环境数据设定需求响应仿真模型参数；利用所述需求响应仿真模型参数进行仿真模拟，生成需求响应量的预测值。在其中一个实施例中，所述对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据，包括：将所述初始电力负荷数据存储至云端服务器；采用滑动平均窗口法，补全所述初始电力负荷数据的缺失数据；采用数值数据的归一化处理方法，对补全后的所述初始电力负荷数据进行归一化处理，生成待测试电力负荷数据。在其中一个实施例中，利用所述训练样本集，对所述最小二乘支持向量机进行训练，包括：获取所述最小二乘支持向量机对应的第一参数；所述第一参数为根据核函数技术进行选择得到的核函数类别；利用所述训练样本集对所述第一参数进行训练，生成训练后的第一参数。在其中一个实施例中，所述采用所述极简爆炸烟花算法，对所述最小二乘支持向量机对应的参数设置进行寻优，生成初始预测模型，包括：获取所述最小二乘支持向量机对应的第二参数；所述第二参数包括核参数和惩罚因子；利用所述极简爆炸烟花算法，根据预设的迭代优化次数对所述第二参数进行迭代优化训练，获得训练后的第二参数；根据所述训练后的第一参数及第二参数，得到初始预测模型在其中一个实施例中，所述利用所述测试样本集测试所述初始预测模型的精确度，确定最小二乘支持向量机的可用参数，得到所述可用预测模型，包括：将所述测试样本集输入所述初始预测模型，获取初始预测结果；将所述初始预测结果与预设精度要求进行比对；获取符合所述预设精度要求的初始预测结果对应的最小二乘支持向量机的可用参数；所述可用参数包括第一可用参数和第二可用参数；根据所述第一可用参数和所述第二可用参数，得到可用预测模型。一种电力负荷预测装置，所述装置包括：采集模块，用于采集初始电力负荷数据；数据预处理模块，用于对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；第一获取模块，用于获取利用仿真模拟得到的需求响应量的预测值；第二获取模块，用于获取可用预测模型；所述可用预测模型根据预测算法训练得到；常规负荷预测值生成模块，用于将待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；预测结果生成模块，将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：采集初始电力负荷数据；对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；获取利用仿真模拟得到的需求响应量的预测值；获取可用预测模型；所述可用预测模型根据预测算法训练得到；将所述待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：采集初始电力负荷数据；对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；获取利用仿真模拟得到的需求响应量的预测值；获取可用预测模型；所述可用预测模型根据预测算法训练得到；将所述待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。上述电力负荷预测方法、装置、计算机设备和存储介质，服务器通过采集初始电力负荷数据，并对初始电力负荷数据进行数据预处理，生成待测试电力负荷数据。通过获取根据预测算法训练得到可用预测模型，并将待测试电力负荷数据输入可用预测模型中，生成常规负荷预测值，提高了常规负荷预测值的预测精度。通过仿真模拟得到需求响应量的合理预测值，考虑到不同用户需求，并将需求响应量的预测值和常规负荷预测值进行叠加，得到电力负荷预测结果，实现了针对不同用户需求的电力负荷预测，同时利用预测算法训练得到的可用预测模型也进一步提高了电力负荷预测的精确度。附图说明图1为一个实施例中电力负荷预测方法的应用场景图；图2为一个实施例中电力负荷预测方法的流程示意图；图3为一个实施例中需求响应仿真模型的模拟效果图；图4为一个实施例中训练可用预测模型的流程示意图；图5为一个实施例中电力负荷预测装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的电力负荷预测方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。服务器104从终端102采集初始电力负荷数据，并对初始电力负荷数据进行数据预处理，生成待测试电力负荷数据。服务器104获取利用仿真模拟得到的需求响应量的预测值本文档来自技高网...

【技术保护点】
1.一种电力负荷预测方法，所述方法包括：采集初始电力负荷数据；对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；获取利用仿真模拟得到的需求响应量的预测值；获取可用预测模型；所述可用预测模型根据预测算法训练得到；将所述待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。

【技术特征摘要】
1.一种电力负荷预测方法，所述方法包括：采集初始电力负荷数据；对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据；获取利用仿真模拟得到的需求响应量的预测值；获取可用预测模型；所述可用预测模型根据预测算法训练得到；将所述待测试电力负荷数据输入所述可用预测模型中，生成常规负荷预测值；将所述需求响应量的预测值和所述常规负荷预测值进行叠加，得到电力负荷预测结果。2.根据权利要求1所述的方法，其特征在于，所述预测算法包括最小二乘支持向量机和极简爆炸烟花算法；训练所述可用预测模型的方式，包括：获取气象数据，并根据所述气象数据建立训练样本集和测试样本集；利用所述训练样本集，对所述最小二乘支持向量机进行训练；采用所述极简爆炸烟花算法，对所述最小二乘支持向量机对应的参数设置进行寻优，生成初始预测模型；利用所述测试样本集测试所述初始预测模型的精确度，确定最小二乘支持向量机的可用参数，得到所述可用预测模型。3.根据权利要求1所述的方法，其特征在于，所述获取利用仿真模拟得到的需求响应量的预测值，包括：获取待进行负荷预测地区的环境数据；根据所述环境数据设定需求响应仿真模型参数；利用所述需求响应仿真模型参数进行仿真模拟，生成需求响应量的预测值。4.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述初始电力负荷数据进行数据预处理，生成待测试电力负荷数据，包括：将所述初始电力负荷数据存储至云端服务器；采用滑动平均窗口法，补全所述初始电力负荷数据的缺失数据；采用数值数据的归一化处理方法，对补全后的所述初始电力负荷数据进行归一化处理，生成待测试电力负荷数据。5.根据权利要求2所述的方法，其特征在于，利用所述训练样本集，对所述最小二乘支持向量机进行训练，包括：获取所述最小二乘支持向量机对应的第一参数；所述第一参数为根据核函数技术进行选择得到的核函数类别；利用所述训练样本集对所述第一参数进行训练，生...

【专利技术属性】
技术研发人员：雷才嘉，陈健，罗少威，潘威，贾巍，高慧，方兵华，
申请(专利权)人：广州供电局有限公司，
类型：发明
国别省市：广东,44