一种电力负荷预测方法、装置、终端设备及存储介质制造方法及图纸

本发明专利技术公开了一种电力负荷预测方法、装置、终端设备及存储介质，包括：获取预设时间范围内的电力负荷数据并进行归一化处理，获得待处理数据；根据第一电力负荷预测模型，对所述待处理数据进行预测并输出第一预测电力负荷值；其中，所述第一电力负荷预测模型通过使用所述待处理数据对改进vgg19

【技术实现步骤摘要】
一种电力负荷预测方法、装置、终端设备及存储介质


[0001]本专利技术涉及电力数据处理领域，尤其涉及一种电力负荷预测方法、装置、终端设备及计算机可读存储介质。

技术介绍

[0002]随着电力发展的步伐不断加快，电网规模不断壮大，智能电网和特高压电网不断建设发展，电压等级高、输送容量大、运行特性极其复杂已成为电网的新特性。在电力系统中负荷预测是实施各类用户导向应用的基础，一直备受研究人员的关注。电力系统的负荷预测一般根据预测期限的长短可以大致分为长期负荷预测、中期负荷预测以及短期负荷预测。短期电力负荷预测一般是指对未来一周时间内的电力负荷进行预测，短期电力负荷的精准预测可以有效指导机组组合调度与电力市场运营，确保电网安全、稳定地运行，因此需要高精度的负荷预测技术来提供支撑。而短期的负荷变化比较随机，预测起来难度也比较大，因此短期负荷预测还处于较为早期的阶段并引起了研究人员的关注。
[0003]现有技术中用于短期负荷预测的模型由于模型的参数较多，导致训练耗时较长，除此之外，由于短期负荷输入的数据较少，现有技术中用于短期负荷预测的模型不能充分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力负荷预测方法，其特征在于，包括：获取预设时间范围内的电力负荷数据；对所述电力负荷数据进行归一化处理，将归一化处理后的电力负荷数据作为待处理数据；根据第一电力负荷预测模型，对所述待处理数据进行预测并输出第一预测电力负荷值；其中，所述第一电力负荷预测模型通过使用所述待处理数据对改进vgg19
‑
LSTM网络进行训练获得；所述改进vgg19
‑
LSTM网络中的改进vgg19网络包括：跳跃层、ESP模块和Concat层；根据第二电力负荷预测模型，对所述待处理数据进行预测并输出第二预测电力负荷值；根据所述第一预测电力负荷值与所述第二预测电力负荷值得到电力负荷预测值。2.如权利要求1所述的电力负荷预测方法，其特征在于，所述方法通过如下步骤获得所述改进vgg19
‑
LSTM网络：将vgg19网络的全连接层替换为所述ESP模块；在所述vgg19网络的池化层后设置所述跳跃层；在所述vgg19网络中设置所述Concat层，获得所述改进vgg19网络，以使将所述池化层的输出值与所述vgg19网络的输出值进行结合；将所述改进vgg19网络与LSTM网络结合获得所述改进vgg19
‑
LSTM网络。3.如权利要求1所述的电力负荷预测方法，其特征在于，所述方法通过如下步骤获得所述第二电力负荷预测模型：将所述待处理数据导入到AdaBoost算法框架，采用AdaBoost迭代算法对所述AdaBoost算法框架的分类器进行训练，获得所述第二电力负荷预测模型。4.如权利要求1所述的电力负荷预测方法，其特征在于，所述方法在获取所述预设时间范围内的电力负荷数据后还包括：对所述电力负荷数据进行预处理，所述预处理包括异常数据处理和缺失值填充处理；则所述对所述电力负荷数据进行归一化处理，具体包括：对预处理后的电力负荷数据进行归一化处理。5.如权利要求2所述的电力负荷预测方法，其特征在于，所述对所述改进vgg19
‑
LSTM网络进行训练具体包括：根据所述改进vgg19网络对所述待处理数据的低维度局部特征和高维度抽象特征进行提取；根据所述LSTM网络对所述待处理数据的时序特征进行提取；使用所述低维度局部特征、所述高维度抽象特征和所述时序特征对所述改进vgg19
‑
LSTM网络进行训练。6...

【专利技术属性】
技术研发人员：翁毅选，周挺辉，马伟哲，赵利刚，林子钊，甄鸿越，程韧俐，徐原，程维杰，何晓峰，林小朗，卢艺，刘金生，陈择栖，陈洪云，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：