一种基于深度学习的电力用户负荷区间预测方法技术

本发明专利技术公开了一种基于深度学习的电力用户负荷区间预测方法，包括区间预测本体，包括以下步骤：步骤一：采用区间预测本体获取用户历史负荷数据，并对异常数据进行修补；步骤二：将异常数据传输给区间预测本体上的报警器，作出第一时间预警处理，所述报警器与预测本体拆卸式安装设置。本发明专利技术先通过区间预测本体获取用户历史负荷数据，最后建立用户负荷区间预测模型，并基于用户历史负荷数据的信息，对构建的预测模型进行训练，从而可预测未来信息，并提供全面的信息；在通过将报警器通过卡接块与卡槽口配合初步固定在区间预测本体上。卡槽口配合初步固定在区间预测本体上。卡槽口配合初步固定在区间预测本体上。

【技术实现步骤摘要】
一种基于深度学习的电力用户负荷区间预测方法


[0001]本专利技术涉及电力
，具体涉及一种基于深度学习的电力用户负荷区间预测方法。

技术介绍

[0002]电力系统是由发电厂、输电线路、配电系统以及负荷组成的复杂系统，电力系统的经济运行是在满足安全可靠的条件下以最少的成本对用户提供电力，负荷预测作为能量管理系统(EMS)以及电力市场运行管理的重要组成部分，其预测结果与电力系统的安全、经济运行密切相关。负荷预测根据目标的不同一般可分为超短期、短期、中期和长期预测，超短期负荷预测是指未来一小时内的负荷预测，主要用于电能质量控制、安全监视、预防和紧急控制等；短期负荷预测是指未来一天到几天的负荷预测，主要用于机组优化组合、经济潮流控制、水火电协调等；中期负荷预测是指提前几个月到一年实施的负荷预测，主要用于水库调度、燃料计划及机组维修等；长期负荷预测是指提前若干年实施的负荷预测，主要用于电网的改建、系统的远景规划、新电厂的投建等。
[0003]现有的电力用户负荷区间预测可以未来某时刻的负荷值，其结果是一个简单的数值，没有提供全面的预测信息，无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的电力用户负荷区间预测方法，包括区间预测本体，其特征在于，包括以下步骤：步骤一：采用区间预测本体获取用户历史负荷数据，并对异常数据进行修补；步骤二：将异常数据传输给区间预测本体上的报警器，作出第一时间预警处理，所述报警器与预测本体拆卸式安装设置；步骤三：建立用户负荷区间预测模型，并基于用户历史负荷数据的信息，对构建的预测模型进行训练。2.根据权利要求1所述的一种基于深度学习的电力用户负荷区间预测方法，其特征在于，所述异常数据修补的具体方法为：将历史负荷数据中有数据缺失时刻点进行记录，并采用零值进行填补，记录异常数值。3.根据权利要求1所述的一种基于深度学习的电力用户负荷区间预测方法，其特征在于，所述用户负荷区间预测模型为：将目标电力用户负荷信息输入预测模型，得到对应电力用户负荷信息区间预测结果，采用预设算法对所述多个区间预测结果进行融合，得到最终的电力用户负荷区间预测结果。4.根据权利要求3所述的一种基于深度学习的电力用户负荷区间预测方法，其特征在于，所述预设算法为：将电力用户负荷区间范围划分为多个连续区间，并针对所述多个连续区间中的每个负荷点作为输入点，进行预测结果融合。5.根据权利要求1所述的一种基于深度学习的电力用户负荷区间预测方法，其特征在于，所述构建的预测模型进行训练具体方法为：将用户历史负荷数据的信息划分为多个负荷数据点，传输到用户负荷区间预测模型中进行训练处理。6.根据权利要求1所述的一种基于深度学习的电力用户负荷区间预测方...

【专利技术属性】
技术研发人员：刘义艳，尚普辉，李艳波，徐先峰，
申请(专利权)人：长安大学，
类型：发明
国别省市：