一种基于AI人工智能的电力负荷预测系统技术方案

本发明专利技术公开了一种基于AI人工智能的电力负荷预测系统，包括电力负荷数据收集模块，所述电力负荷数据收集模块连接端连接有数据汇总模块，所述数据汇总模块连接端连接有智能数据预测模块，所述智能数据预测模块连接端连接有电力数据结构分析模块，所述电力数据结构分析模块连接端连接有电力负荷预警模块，所述电力负荷预警模块连接端连接有预测模型检测模块。本发明专利技术避免了电力系统受到损坏和电力成本的损失，提高了数据的及时性、预警的可靠性、预测结果的准确性、发电设备的利用率和经济调度的有效性，保证电力系统运行的可靠性和电力市场的供需平衡，为电力系统规划和运行提供可靠的决策依据，促进电力市场的经济持久性发展。

【技术实现步骤摘要】
一种基于AI人工智能的电力负荷预测系统
本专利技术属于电力负荷预测
，尤其涉及一种基于AI人工智能的电力负荷预测系统。
技术介绍
电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要，电力负荷预测是以电力负荷为对象进行的一系列预测工作，从预测对象来看，电力负荷预测包括对未来电力需求量的预测和对未来用电量的预测以及对负荷曲线的预测，其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据，负荷预测的精度越高，越有利于提高发电设备的利用率和经济调度的有效性，反之，负荷预测误差较大时，不仅会造成大量运行成本和利润损失，甚至会影响电力系统运行的可靠性和电力市场的供需平衡，因此，对电力负荷进行准确预测非常重要。现有的电力负荷预测系统的预测方法较为落后，预测精度不高，不能满足预测精度的要求，导致发电设备的利用率低，大量运行成本和利润损失，甚至影响电力系统经济运行。为此，我们提出了一种基于AI人工智能的电力负荷预测系统来解决上述问题。
技术实现思路
本专利技术的目的在于提供一种基于AI人工智能的电力负荷预测系统，以解决上述
技术介绍
中提出的问题。为了实现上述目的，本专利技术采用了如下技术方案：一种基于AI人工智能的电力负荷预测系统，包括电力负荷数据收集模块，所述电力负荷数据收集模块用于收集电力负荷实时数据以及用电量的实时影响因素；所述电力负荷数据收集模块连接端连接有数据汇总模块，所述数据汇总模块用于汇总并存储电力负荷数据收集模块收集的相关数据；所述数据汇总模块连接端连接有智能数据预测模块，所述智能数据预测模块用于建立电力负荷预测模型并对电力负荷进行准确预测；所述智能数据预测模块连接端连接有电力数据结构分析模块，所述电力数据结构分析模块用于对外在影响因素进行分析计算并得到用电结构；所述电力数据结构分析模块连接端连接有电力负荷预警模块，所述电力负荷预警模块用于与以往记录进行对比，并标记出电荷峰值；所述电力负荷预警模块连接端连接有预测模型检测模块，所述预测模型检测模块用于根据实际用电量的权重值比对预测模型进行调试修改。进一步的，所述电力负荷数据收集模块包括用于实时监测温度、湿度、气象、节假日等影响因素的影响参数分析单元以及实时监测用电量的电力负荷实时监测单元。进一步的，所述数据汇总模块包括用于对单一影响因素进行记录存储的单一变量存储单元以及对综合因素进行记录存储的综合数据存储单元。进一步的，所述智能数据预测模块包括对实时数据和影响因素进行分析并建立初步预测模型的预测模型建立单元以及对大数据和短期数据进行预测的综合预测单元。进一步的，所述电力数据结构分析模块包括对影响因素进行分析和对比的外在因素分析单元以及通过分析对比对用电结构进行预测的用电结构单元。进一步的，所述电力负荷预警模块包括对比存储数据并标记用电量峰值的峰值标记单元以及对大数据进行整体分析的综合对比单元。进一步的，所述预测模型检测模块包括用于分析预测模型权重之比的预测模型分配单元以及对预测模型进行最终调试的预测模型调试单元。与现有技术相比，本专利技术的有益效果为：本专利技术通过电力负荷数据收集模块对用电量及其影响因素进行实时监测并收集相关数据，保证数据的及时性和可靠性，由数据汇总模块进行单一变量和综合数据的存储记录，避免数据丢失或者损毁，再通过智能数据预测模块对实时数据和影响因素进行分析并建立初步预测模型和综合数据预测模型，对用电量进行初步预测，结合电力数据结构分析模块对用电结构进行分析对比，创建出用电结构图，再由电力负荷预警模块对大数据进行分析对比并标记峰值，预测到紧急情况后通报警示，避免电力系统受到损坏和电力成本的损失，最后通过预测模型检测模块对用电量权重之比进行分析并调试，以保证预测模型的准确性，提高发电设备利用率和经济调度的有效性，保证电力系统运行的可靠性和电力市场的供需平衡，为电力系统规划和运行提供可靠的决策依据，促进电力市场的经济持久性发展。附图说明图1为本专利技术提出的一种基于AI人工智能的电力负荷预测系统的模块结构框图；图2为本专利技术提出的一种基于AI人工智能的电力负荷预测系统的单元结构框图；图3为本专利技术提出的一种基于AI人工智能的电力负荷预测系统中影响参数分析单元的结构框图。图中：1、电力负荷数据收集模块；101、影响参数分析单元；102、电力负荷实时监测单元；2、数据汇总模块；201、单一变量存储单元；202、综合数据存储单元；3、智能数据预测模块；301、预测模型建立单元；302、综合预测单元；4、电力数据结构分析模块；401、外在因素分析单元；402、用电结构单元；5、电力负荷预警模块；501、峰值标记单元；502、综合对比单元；6、预测模型检测模块；601、预测模型分配单元；602、预测模型调试单元。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。参照图1-3，一种基于AI人工智能的电力负荷预测系统，包括电力负荷数据收集模块1，电力负荷数据收集模块1用于收集电力负荷实时数据以及用电量的实时影响因素，以保证数据的及时性和可靠性；电力负荷数据收集模块1连接端连接有数据汇总模块2，数据汇总模块2用于汇总并存储电力负荷数据收集模块1收集的相关数据，防止数据丢失或者损毁；数据汇总模块2连接端连接有智能数据预测模块3，智能数据预测模块3用于建立电力负荷预测模型并对电力负荷进行准确预测，为电力系统运行和规划提供可靠依据；智能数据预测模块3连接端连接有电力数据结构分析模块4，电力数据结构分析模块4用于对外在影响因素进行分析计算并得到用电结构，有助于提高预测结果的准确性和权威性；电力数据结构分析模块4连接端连接有电力负荷预警模块5，电力负荷预警模块5用于与以往记录进行对比，并标记出电荷峰值，避免电力系统出现故障和电力成本损失；电力负荷预警模块5连接端连接有预测模型检测模块6，预测模型检测模块6用于根据实际用电量的权重值比对预测模型进行调试修改，保证预测结果的准确性，促进电力市场的可持续发展；电力负荷数据收集模块1包括用于实时监测温度、湿度、气象、节假日等影响因素的影响参数分析单元101以及实时监测用电量的电力负荷实时监测单元102，有助于提高监测数据的及时性和可靠性，对影响因素的准确监测和进一步分析对比提高了检测结果的准确性和权威性；参照图1-2，数据汇总模块2包括用于对单一影响因素进行记录存储的单一变量存储单元201以及对综合因素进行记录存储的综合数据存储单元202，有效避免了实时数据丢失或者数据损毁，方便后期对大数据进行查阅和对比分析，提高预测精度；智能数据预测模块3包括对实时数据和影响因素进行分析并建立初步预测模型的预测模型建立单元301以及对大数据和短期数据进行预测的综合预测单元302，通过对大数据以及影响因素本文档来自技高网...

【技术保护点】
1.一种基于AI人工智能的电力负荷预测系统，包括电力负荷数据收集模块(1)，其特征在于，所述电力负荷数据收集模块(1)用于收集电力负荷实时数据以及用电量的实时影响因素；/n所述电力负荷数据收集模块(1)连接端连接有数据汇总模块(2)，所述数据汇总模块(2)用于汇总并存储电力负荷数据收集模块(1)收集的相关数据；/n所述数据汇总模块(2)连接端连接有智能数据预测模块(3)，所述智能数据预测模块(3)用于建立电力负荷预测模型并对电力负荷进行准确预测；/n所述智能数据预测模块(3)连接端连接有电力数据结构分析模块(4)，所述电力数据结构分析模块(4)用于对外在影响因素进行分析计算并得到用电结构；/n所述电力数据结构分析模块(4)连接端连接有电力负荷预警模块(5)，所述电力负荷预警模块(5)用于与以往记录进行对比，并标记出电荷峰值；/n所述电力负荷预警模块(5)连接端连接有预测模型检测模块(6)，所述预测模型检测模块(6)用于根据实际用电量的权重值比对预测模型进行调试修改。/n

【技术特征摘要】
1.一种基于AI人工智能的电力负荷预测系统，包括电力负荷数据收集模块(1)，其特征在于，所述电力负荷数据收集模块(1)用于收集电力负荷实时数据以及用电量的实时影响因素；
所述电力负荷数据收集模块(1)连接端连接有数据汇总模块(2)，所述数据汇总模块(2)用于汇总并存储电力负荷数据收集模块(1)收集的相关数据；
所述数据汇总模块(2)连接端连接有智能数据预测模块(3)，所述智能数据预测模块(3)用于建立电力负荷预测模型并对电力负荷进行准确预测；
所述智能数据预测模块(3)连接端连接有电力数据结构分析模块(4)，所述电力数据结构分析模块(4)用于对外在影响因素进行分析计算并得到用电结构；
所述电力数据结构分析模块(4)连接端连接有电力负荷预警模块(5)，所述电力负荷预警模块(5)用于与以往记录进行对比，并标记出电荷峰值；
所述电力负荷预警模块(5)连接端连接有预测模型检测模块(6)，所述预测模型检测模块(6)用于根据实际用电量的权重值比对预测模型进行调试修改。


2.根据权利要求1所述的一种基于AI人工智能的电力负荷预测系统，其特征在于，所述电力负荷数据收集模块(1)包括用于实时监测温度、湿度、气象、节假日等影响因素的影响参数分析单元(101)以及实时监测用电量的电力负荷实时监测单元(102)。


3....

【专利技术属性】
技术研发人员：张天，赵冬晋，辅先良，陈江江，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32