组合负荷预测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种组合负荷预测方法、装置、电子设备和存储介质，其中方法包括：确定待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价；将待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价输入至预测模型，输出电网负荷预测值；其中，预测模型是基于若个干历史日的实际气象因子的值、基础负荷、响应负荷、响应前后负荷和电价的样本数据训练得到的；预测模型用于基于样本数据中的实际气象因子的值和基础负荷完成短期基础负荷预测训练，并基于样本数据中的响应负荷、响应前后负荷和电价完成短期响应负荷预测训练后，对待预测日的电网负荷进行预测。本发明专利技术实现了对参与需求响应的负荷的准确预测。

【技术实现步骤摘要】
组合负荷预测方法、装置、电子设备和存储介质
本专利技术涉及电力系统负荷预测
，尤其涉及一种组合负荷预测方法、装置、电子设备和存储介质。
技术介绍
随着社会经济的持续增长，人们的电力需求增加，用电负荷迅速增长，将对配电网的规划和运行带来巨大冲击。随着市场深化改革以及智能化需求响应的快速发展，广义负荷大规模接入配电网系统，对系统运行、资源配置等方面造成了很大的影响。不同于传统负荷，主动负荷是一类电力用户可以根据电力市场中电价的变化调整自身在未来某一时段用电的负荷，实现自身用电经济性以及系统的安全稳定性，改变原有的用电负荷曲线，显然，传统负荷预测方法已经不能准确预测参与需求响应的负荷。目前，国内外针对主动负荷的预测主要是对其相应的影响因素分析及用户用电特性分析，并且提出了主动配电网对负荷预测的新要求。而面对负荷运行的不确定性及负荷影响因素的复杂性，单一的负荷预测方法很难准确预测短期负荷。
技术实现思路
本专利技术实施例提供一种组合负荷预测方法、装置、电子设备和存储介质，用以解决现有负荷预测方法不能准确预测参与本文档来自技高网...

【技术保护点】
1.一种组合负荷预测方法，其特征在于，包括：/n确定待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价；/n将所述待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价输入至预测模型，得到所述预测模型输出的电网负荷预测值；/n其中，所述预测模型是基于若个干历史日的实际气象因子的值、基础负荷、响应负荷、响应前后负荷和电价的样本数据训练得到的；/n所述预测模型用于基于所述样本数据中的实际气象因子的值和基础负荷完成短期基础负荷预测训练，并基于所述样本数据中的响应负荷、响应前后负荷和电价完成短期响应负荷预测训练后，对所述待预测日的电网负荷进行预测。/n

【技术特征摘要】
1.一种组合负荷预测方法，其特征在于，包括：
确定待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价；
将所述待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价输入至预测模型，得到所述预测模型输出的电网负荷预测值；
其中，所述预测模型是基于若个干历史日的实际气象因子的值、基础负荷、响应负荷、响应前后负荷和电价的样本数据训练得到的；
所述预测模型用于基于所述样本数据中的实际气象因子的值和基础负荷完成短期基础负荷预测训练，并基于所述样本数据中的响应负荷、响应前后负荷和电价完成短期响应负荷预测训练后，对所述待预测日的电网负荷进行预测。


2.根据权利要求1所述的组合负荷预测方法，其特征在于，所述预测模型包括基础负荷预测模型、响应负荷预测模型和叠加模型；
将所述待预测日的预报气象因子的值、基础负荷、响应负荷、响应前后负荷和电价输入至预测模型，得到所述预测模型输出的电网负荷预测值，包括：
将所述待预测日的预报环境因子的值和基础负荷输入至所述基础负荷预测模型，输出基础负荷预测值；
将所述待预测日的响应负荷、响应前后负荷和电价输入至所述响应负荷预测模型，输出需求响应负荷预测值；
将所述基础负荷预测值和所述需求响应负荷预测值输入至所述叠加模型，输出待预测日的电网负荷预测值。


3.根据权利要求2所述的组合负荷预测方法，其特征在于，所述基础负荷预测模型是基于所述若干个历史日的实际气象因子的值和基础负荷的样本数据进行短期基础负荷预测训练得到的；
基于所述样本数据中的实际气象因子的值和基础负荷完成短期基础负荷预测训练，包括以下步骤：
S1，将所述样本数据中的实际气象因子的值和基础负荷输入包括惩罚系数、径向基核函数的宽度、初始概率、鸟巢位置及最大迭代次数在内的初始参数设定的布谷鸟优化支持向量机CS-SVM模型，得到鸟巢的最佳适应度值；
S2，根据鸟巢的最佳适应度值确定当前最优鸟巢位置，并通过当前最优鸟巢位置对其它鸟巢位置进行更新，产生一组新的鸟巢位置，并将当前最优鸟巢位置与一组新的鸟巢位置进行比较得到预测误差；
S3,根据预测误差得到较优的鸟巢位置，通过判断淘汰布谷鸟蛋的概率与随机数的数值大小作比较，当淘汰布谷鸟蛋的概率小于随机数，则将一组新的鸟巢位置代替当前最优鸟巢位置，并判断当前是否达到迭代结束条件，若是则跳出寻找最优鸟巢位置的值，否则返回S2继续寻找最优鸟巢位置；其中，所述迭代结束条件包括最大迭代次数或由径向基核函数的宽度确定的最优适应度值；
S4，基于所述布谷鸟优化支持向量机CS-SVM模型中参数更新为所述最优鸟巢位置建立基础负荷预测模型，完成短期基础负荷预测训练。


4.根据权利要求2所述的组合负荷预测方法，其特征在于，所述响应负荷预测模型是基于所述若干个历史日的响应负荷、响应前后负荷和电价的样本数据进行短期响应负荷预测训练得到的；
基于所述样本数据中的响应负荷、响应前后负荷和电价完成短期响应负荷预测训练，包括以下步骤：
根据所述样本数据中的响应负荷、响应前后负荷和电价构建误差最小目标函数；
基于设定狼群数量、迭代的最大次数、方向修正概率和狼群的初...

【专利技术属性】
技术研发人员：马振祺，马志程，张光儒，杨军亭，苏娟，邢广进，方舒，张家午，温定筠，吴建军，拜润卿，沈渭程，梁有珍，张秀斌，高磊，朱亮，张艳丽，蒋臣，智勇，张睿，张凯，李亚昕，田阔，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，中国农业大学，
类型：发明
国别省市：甘肃;62