一种电量负荷预测方法及装置制造方法及图纸

本发明专利技术适用于能源技术领域，提供了一种电量负荷预测方法及装置，该方法包括：获取待预测时刻对应的时间序列数据与时间序列数据对应的外部因素数据；采用多层降噪自编码器对外部因素数据进行处理，获取对应的隐含特征；采用支持向量回归机对时间序列数据、外部因素数据和隐含特征进行处理，获取至少两个预测值；采用回归加权模型对至少两个预测值进行处理，获取待预测时刻的电量负荷预测结果。通过三种预测方法的结合使用弥补了单一负荷预测不准确的缺点，解决了预测偏差大的问题，同时准确的预测结果利于后续工作的调度优化；该方法的整体运算具有较强的鲁棒性，保证了预测的准确性、便捷性和迅速性，提升了整体处理速度，节约了处理资源。

A forecasting method and device of electric load

【技术实现步骤摘要】
一种电量负荷预测方法及装置
本专利技术属于能源
，尤其涉及一种电量负荷预测方法及装置。
技术介绍
光伏是太阳能光伏发电系统的简称，是一种利用太阳电池半导体材料的光伏效应，将太阳光辐射能直接转换为电能的一种新型发电系统，同时，基于太阳能光伏发电系统的分类，一种是集中式，如大型西北地面光伏发电系统；一种是分布式，如工商企业厂房屋顶光伏发电系统。目前电量供应用户分为工业、商业、居民、办公等，不同用户的电量负荷、负荷量级、负荷特点都不尽相同，负荷预测的准确性难度也不尽相同。光伏电量负荷预测的方法很多，比如指数平滑、差分整合移动平均自回归模型(AutoregressiveIntegratedMovingAveragemodel)等，但均存在负荷预测准确性欠佳、预测偏差较大的现状。针对上述这一问题，亟需一种解决光伏电量负荷预测准确性差的新方法。
技术实现思路
有鉴于此，本专利技术实施例提供了一种电量负荷预测方法、装置、终端设备及计算机可读存储介质，以解决现有技术中无法准确预测电量负荷、尤其是光伏电量负荷的技术问题。本专利技本文档来自技高网...

【技术保护点】
1.一种电量负荷预测方法，其特征在于，包括：/n获取待预测时刻对应的时间序列数据与所述时间序列数据对应的外部因素数据；/n采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征；/n采用支持向量回归机对所述时间序列数据、所述外部因素数据和所述隐含特征进行处理，获取至少两个预测值；/n采用回归加权模型对所述至少两个预测值进行处理，获取所述待预测时刻的电量负荷预测结果。/n

【技术特征摘要】
1.一种电量负荷预测方法，其特征在于，包括：
获取待预测时刻对应的时间序列数据与所述时间序列数据对应的外部因素数据；
采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征；
采用支持向量回归机对所述时间序列数据、所述外部因素数据和所述隐含特征进行处理，获取至少两个预测值；
采用回归加权模型对所述至少两个预测值进行处理，获取所述待预测时刻的电量负荷预测结果。


2.如权利要求1所述的电量负荷预测方法，其特征在于，所述获取待预测时刻对应的时间序列数据与所述时间序列数据对应的外部因素数据，包括：
获取时间序列的电量负荷数据；
根据预设规则，从所述时间序列的电量负荷数据中提取与待预测时刻对应的时间序列数据；
根据所述时间序列数据，获取与所述时间序列数据对应的外部因素数据，所述外部因素数据至少包括温度数据和天气数据。


3.如权利要求1所述的电量负荷预测方法，其特征在于，所述采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征，包括：
对所述外部因素数据进行扰动操作，获取扰动数据；
采用特征提取函数对所述扰动数据进行处理，获取隐含特征。


4.如权利要求1所述的电量负荷预测方法，其特征在于，所述采用多层降噪自编码器对所述外部因素数据进行处理，获取对应的隐含特征步骤前，还包括：
对初始多层降噪自编码器、初始支持向量回归机和初始回归加权模型进行训练，以获取满足预设要求的多层降噪自编码器、支持向量回归机和回归加权模型用于电量负荷预测，包括：
对所述待预测时刻的时间序列数据和所述时间序列数据对应的外部因素数据进行分割，以获取训练数据和测试数据；
采用所述训练数据对所述初始多层降噪自编码器进行训练，以获取经过训练的多层降噪自编码器和所述训练数据对应的隐含特征；
采用所述隐含特征和所述训练数据对所述初始支持向量回归机进行训练，以获取经过训练的初始支持向量回归机和所述训练数据的预测值；
采用所述训练数据的预测值对所述初始回归加权模型进行训练，以获取经过训练的回归加权模型；
采用所述测试数据对所述经过训练的多层降噪自编码器、所述经过训练的初始支持向量回归机和所述经过训练的回归加权模型进行测试，以确定满足预设要求的多层降噪自编码器、支持向量回归机和回归加权模型用于电量负荷预测。


5.如权利要求4所述的电量负荷预测方法，其特征在于，所述采用所述训练数据对所述初始多层降噪自编码器进行训练，以获取经过训练的多层降噪自编码器和所述训练数据对应的隐含特征步骤中，还包括：
对初始多层降噪自编码器进行训练，以获取满足预设要求的经过训练的多层降噪自编码器用于获取隐含特征，包括：
采用初始多层降噪自编码器对所述训练数据进行处理，获取所述训练数据的隐含特征；
采用解码器函数对所述隐含特征进行解码处理，获取所述训练数据的输出向量；
预设目标函数，使目标函数最小化，根据所述训练数据的输出向量，获取所述训练数据的输出数据，所述目标函数获取方式为：
L(x,z)＝(x-z)2
其中，x表征所述训练数据；z...

【专利技术属性】
技术研发人员：刘胜伟，
申请(专利权)人：新奥数能科技有限公司，
类型：发明
国别省市：北京;11