一种结合知识图谱与神经网络的电力负荷预测方法技术

本发明专利技术公开了结合知识图谱与神经网络的电力负荷预测方法，涉及人工智能技术领域，包括：构建电力负荷影响因素知识图谱；利用所述电力负荷影响因素知识图谱，确定影响电力负荷变化的主要因素；量化所述影响电力负荷变化的主要因素；结合电力负荷历史数据与影响因素建立预测模型；基于预测模型进行电力负荷预测，得到电力负荷预测结果。针对电力负荷的特性和与它预测相关的影响因素进行分析，利用知识图谱刻画影响电力负荷变化的因素，将这些影响因素和历史数据结合起来，应用BP神经网络进行电力负荷预测，能够得到准确的电力负荷预测结果。

【技术实现步骤摘要】
一种结合知识图谱与神经网络的电力负荷预测方法
本专利技术涉及人工智能
，更具体地说，涉及一种结合知识图谱与神经网络的电力负荷预测方法。
技术介绍
电力产业作为国民工业系统中的支柱产业之一，其平稳运行与国家的国民经济的命脉息息相关。对电力负荷的预测在电力系统管理中至关重要。电力系统的平稳运行、制定合理的电价、电力的实时调度依赖于准确的电力负荷预测。电力负荷预算在经济领域，对合理调配资源，优化发电计划，取得最优的社会效益和经济效益产生巨大的影响。随着生活水平的提高，电力的需求与国民经济水平呈正相关。另一方面来说，日期、温度、气候、市场以及政策都会对电力负荷产生巨大的影响，也因此使得电力负荷预测的难度进一步增加。传统的电力负荷预测的方法包括：指数平滑法、回归分析法、时间序列法、灰色预测法、卡尔曼滤波法、小波分析法、专家系统法、人工神经网络法等等。这些传统方法对于负荷历史数据以及对历史数据的预处理依赖太强。在实际工作运行的电力系统中，拉闸限电等人为因素均会对系统运行产生影响，与这种因素相似的其它人为因素不在少数，这些因素一方面使电力系统处本文档来自技高网...

【技术保护点】
1.一种结合知识图谱与神经网络的电力负荷预测方法，其特征在于，包括以下步骤：/nS101、构建电力负荷影响因素知识图谱；/nS102、利用所述电力负荷影响因素知识图谱，确定影响电力负荷变化的主要因素；/nS103、量化所述影响电力负荷变化的主要因素；/nS104、结合电力负荷历史数据与影响因素建立预测模型；/nS105、基于预测模型进行电力负荷预测，得到电力负荷预测结果。/n

【技术特征摘要】
1.一种结合知识图谱与神经网络的电力负荷预测方法，其特征在于，包括以下步骤：
S101、构建电力负荷影响因素知识图谱；
S102、利用所述电力负荷影响因素知识图谱，确定影响电力负荷变化的主要因素；
S103、量化所述影响电力负荷变化的主要因素；
S104、结合电力负荷历史数据与影响因素建立预测模型；
S105、基于预测模型进行电力负荷预测，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，所述构建电力负荷影响因素知识图谱，包括：
基于从开放的数据库中抽取的电力负荷影响因素实体、属性及关系，搭建语义网络；
获取电力负荷相关知识；
对所述电力负荷相关知识进行数字化知识表示；
对所述数字化知识表示后的电力负荷相关知识进行知识融合与计算。


3.根据权利要求2所述的方法，其特征在于，利用所述电力负荷影响因素知识图谱，确定影响电力负荷变化的主要因素，包括：
利用所述电力负荷影响因素知识图谱，以电力负荷预测影响因素为关键词，进行语义级搜索，得到影响电力负荷变化的主要因素。


4.根据权利要求3所述的方法，其特征在于，所述确定影响电力负荷变化的主要因素之后还包括：
引入影响电力负荷变化的重要因素；所述重要因素至少包括：气象因素和节假日因素。


5.根据权利要求1所述的方法，其特征在于，结合电力负荷历史数据与影响因素建立预测模型包括：
获取电力负荷数据，并对所述电力负荷数据进行筛选和预处理；
确定神经网络中超参数，基于所述超参数建立并训练基于BP神经网络的电力负荷预测模型。


6.根据权利要求5所述...

【专利技术属性】
技术研发人员：杜金铭，方子睿，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21