一种电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电能技术领域，提供了一种电负荷预测方法及装置，包括：利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值；利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值；当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型；利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。本发明专利技术能使用户预测电负荷更加精准，提高电负荷预测的准确性。

A method and device of electric load forecasting

【技术实现步骤摘要】
一种电负荷预测方法及装置
本专利技术属于电能
，尤其涉及一种电负荷预测方法及装置。
技术介绍
电负荷预测是社会生产各行业和人民生活各方面需用电量进行的科学估算。是实施计划用电，编制生产计划的基础，是工矿企业设计工作的主要项目之一，也是保障国民经济需要和电力供应之间相互平衡的重要环节。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、负荷特点不尽相同。目前针对不同的用户通常都是采用单一算法进行电负荷预测。但是单一的电负荷预测通常也会导致准确性欠佳，预测偏差较大。
技术实现思路
有鉴于此，本专利技术实施例提供了一种电负荷预测方法、装置、终端设备及计算机可读存储介质，以解决现有技术中采用单一算法进行电负荷预测，导致精准性欠佳，预测偏差大的技术问题。本专利技术实施例的第一方面，提供了一种电负荷预测方法，包括：利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值；利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值；当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型；利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。本专利技术实施例的第二方面，提供了一种电负荷预测装置，包括：第一预测模块，用于利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值；第二预测模块，用于利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值；修正模块，用于当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型；第三预测模块，用于利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。本专利技术实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述物联设备数据模拟方法的步骤。本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述物联设备数据模拟方法的步骤。本专利技术提供了一种电负荷预测方法、装置、可读介质及电子设备，首先利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值，然后利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值，当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型，利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。通过多种预测算法，再利用回归模型预测电负荷，能够有效提高电负荷预测的精准性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，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，还可以根据这些附图获得其它的附图。图1是本专利技术实施例提供的电负荷预测方法的实现流程示意图；图2是本专利技术实施例提供的预设条件的示意图；图3是本专利技术实施例提供的确定第二电负荷预测值误差率的流程示意图；图4是本专利技术实施例提供的电负荷预测装置的示意图；图5是本专利技术实施例提供的第一预测模块的示意图；图6是本专利技术实施例提供的修正模块的示意图；图7是本专利技术实施例提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。基于所描述的本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。如图1所示，本专利技术实施例提供了一种电负荷预测方法，包括如下各个步骤：步骤S10：利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值。其中上述样本数据包括电量时间序列数据和时间序列数据对应的特征数据，例如温度、天气等数据特征。并将数据分为训练集和测试集两种数据，分别用于训练和测试模型。根据该样本数据，可以通过上述预测模型获得第一电负荷预测值。该预测模型包括多个，各预测模型分别包括对应的预测算法，其中包括神经网络、ELM(极限学习机)算法、SVM(支持向量机)算法、LSTM(长短时记忆神经网络)算法、XGBoost(极端梯度提升算法)算法。其中该神经网络、该ELM算法、该SVM算法、该XGBoost算法的输入是上述时间序列对应的特征数据，输出数据是时间序列数据。该LSTM算法输入和输出都是该时间序列数据。将上述预测算法训练好后，将上述训练集数据中特征数据和时间序列数据输入到训练好的该预测模型，通过该预测模型得到对应数据的预测值。即该样本数据通过上述由多种预测算法组成的预测模型，得到该第一电负荷预测值。步骤S20：利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值。根据S10得到的该第一电负荷预测值，作为第一回归模型的训练数据，其中相应的时间序列数据作为第一回归模型的标签数据。标签数据即真是的时间序列数据，也是训练数据集中的时间序列数据。其作用在于由于有多个预测模型，每个模型都会得到相应的预测值，回归模型是对这些预测值的加权，然后得到一个加权的预测值，所以回归模型对应的标签即是训练数据中的时间序列数据。最终根据该第一电负荷预测值，通过该第一回归模型，得到该第二电负荷预测值。步骤S30：当所述第二电负荷预测值满足预设条件，调整第一回归本文档来自技高网...

【技术保护点】
1.一种电负荷预测方法，其特征在于，包括：/n利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值；/n利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值；/n当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型；/n利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。/n

【技术特征摘要】
1.一种电负荷预测方法，其特征在于，包括：
利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值；
利用第一回归模型，根据所述第一电负荷预测值确定第二电负荷预测值；
当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型；
利用所述第二回归模型，获得对应所述样本数据的最终电负荷预测值。


2.如权利要求1所述的一种电负荷预测方法，其特征在于，所述预测模型包括多个，各预测模型分别包括对应的预测算法，则所述利用至少一个预测模型，根据样本数据确定对应的第一电负荷预测值，包括：
利用所述预测算法，根据所述样本数据，确定对应的所述第一电负荷预测值。


3.如权利要求2所述的一种电负荷预测方法，其特征在于，所述预测算法包括：
神经网络、极限学习机、支持向量机、长短时记忆神经网络、极端梯度提升算法。


4.如权利要求1所述的一种电负荷预测方法，其特征在于，所述当所述第二电负荷预测值满足预设条件，调整第一回归模型的参数，得到第二回归模型，包括：
确定所述第二电负荷预测值的误差率，当所述误差率大于预设的门限值，则调整第一回归模型的参数，得到第二回归模型。


5.如权利要求4所述的一种电负荷预测方法，其特征在于，所述确定第二电负荷预测值的误差率，包括：
根据所述第二电负荷预测值和所述样本数据对应的真实值，确定均方根误差和相对误...

【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