一种变压器的日最大负载率预测方法、装置、设备和介质制造方法及图纸

本申请公开了一种变压器的日最大负载率预测方法、装置、设备和介质，方法包括：获取变压器在预测日前的历史数据；对历史数据进行特征提取，得到特征数据；通过预置第一预测模型对特征数据进行处理，得到变压器在预测日的第一最大负载率预测值；通过预置第二预测模型对特征数据进行处理，得到变压器在预测日的第二最大负载率预测值；将第一最大负载率预测值和第二最大负载率预测值输入到预置第三预测模型进行处理，得到变压器在预测日的最终最大负载率预测值，改善了现有的变压器的日最大负载率预测方法存在的预测结果不理想的技术问题。率预测方法存在的预测结果不理想的技术问题。率预测方法存在的预测结果不理想的技术问题。

【技术实现步骤摘要】
一种变压器的日最大负载率预测方法、装置、设备和介质


[0001]本申请涉及负荷预测
，尤其涉及一种变压器的日最大负载率预测方法、装置、设备和介质。

技术介绍

[0002]负荷预测对于电力系统规划、保障电网安全运行及经济效益具有重大的作用。以往的负荷预测的研究主要是针对市、区、县等系统级的总负荷，这些系统级的负荷都在MW以上。针对此类负荷预测问题，国内外学者进行了广泛而深入的研究，形成了一系列成熟而准确的预测方法，应用效果显著。最大负载率作为变压器运维的重要参考数据，如果能提前预测，将会对人员安排和运维策略制定提供重要的数据支撑。目前对于变压器的日最大负载率预测的研究相对较少，预测结果也都不太理想。

技术实现思路

[0003]本申请提供了一种变压器的日最大负载率预测方法、装置、设备和介质，用于改善现有的变压器的日最大负载率预测方法存在的预测结果不理想的技术问题。
[0004]有鉴于此，本申请第一方面提供了一种变压器的日最大负载率预测方法，包括：
[0005]获取变压器在预测日前的历史数据；
[0006]对所述历史数据进行特征提取，得到特征数据；
[0007]通过预置第一预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第一最大负载率预测值；
[0008]通过预置第二预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第二最大负载率预测值；
[0009]将所述第一最大负载率预测值和所述第二最大负载率预测值输入到预置第三预测模型进行处理，得到所述变压器在所述预测日的最终最大负载率预测值。
[0010]可选的，所述对所述历史数据进行特征提取，得到特征数据，之后还包括：
[0011]对所述特征数据进行主成分分析，得到筛选特征。
[0012]可选的，所述预置第一预测模型为预置线性回归预测模型，所述预置第二预测模型为预置LSTM预测模型。
[0013]可选的，所述预置第三预测模型的训练过程为：
[0014]获取所述预置第一预测模型在训练时的第一预测结果和所述预置第二预测模型在训练时的第二预测结果，所述预置第一预测模型和所述预置第二预测模型的训练集相同；
[0015]初始化第一参数和第二参数；
[0016]通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果；
[0017]根据所述第三预测结果和真实标签，通过损失函数计算损失值；
[0018]当所述损失值大于预置阈值时，通过所述损失值更新所述第一参数和所述第二参数，并返回所述通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果的步骤；
[0019]当所述损失值小于或等于预置阈值时，输出所述第一参数和所述第二参数，得到预置第三预测模型。
[0020]可选的，所述获取变压器在预测日前的历史数据，之后还包括：
[0021]对所述历史数据进行预处理，所述预处理包括数据去重、数据去错和数据填充。
[0022]本申请第二方面提供了一种变压器的日最大负载率预测装置，包括：
[0023]获取单元，用于获取变压器在预测日前的历史数据；
[0024]特征提取单元，用于对所述历史数据进行特征提取，得到特征数据；
[0025]第一预测单元，用于通过预置第一预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第一最大负载率预测值；
[0026]第二预测单元，用于通过预置第二预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第二最大负载率预测值；
[0027]第三预测单元，用于将所述第一最大负载率预测值和所述第二最大负载率预测值输入到预置第三预测模型进行处理，得到所述变压器在所述预测日的最终最大负载率预测值。
[0028]可选的，还包括：主成分分析单元，用于对所述特征数据进行主成分分析，得到筛选特征。
[0029]可选的，所述预置第三预测模型的训练过程为：
[0030]获取所述预置第一预测模型在训练时的第一预测结果和所述预置第二预测模型在训练时的第二预测结果，所述预置第一预测模型和所述预置第二预测模型的训练集相同；
[0031]初始化第一参数和第二参数；
[0032]通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果；
[0033]根据所述第三预测结果和真实标签，通过损失函数计算损失值；
[0034]当所述损失值大于预置阈值时，通过所述损失值更新所述第一参数和所述第二参数，并返回所述通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果的步骤；
[0035]当所述损失值小于或等于预置阈值时，输出所述第一参数和所述第二参数，得到预置第三预测模型。
[0036]本申请第三方面提供了一种变压器的日最大负载率预测设备，所述设备包括处理器以及存储器；
[0037]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0038]所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的变压器的日最大负载率预测方法。
[0039]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的变压器的日最大
负载率预测方法。
[0040]从以上技术方案可以看出，本申请具有以下优点：
[0041]本申请提供了一种变压器的日最大负载率预测方法，包括：获取变压器在预测日前的历史数据；对历史数据进行特征提取，得到特征数据；通过预置第一预测模型对特征数据进行处理，得到变压器在预测日的第一最大负载率预测值；通过预置第二预测模型对特征数据进行处理，得到变压器在预测日的第二最大负载率预测值；将第一最大负载率预测值和第二最大负载率预测值输入到预置第三预测模型进行处理，得到变压器在预测日的最终最大负载率预测值。
[0042]本申请中，考虑到对压器变进行日最大负载率预测困难较大，因此，在提取到变压器在预测日前的历史数据的特征数据后，分别通过预置第一预测模型和预置第二预测模型进行日最大负载率预测，得到变压器在预测日的第一最大负载率预测值、第二最大负载率预测值，再通过预置第三预测模型结合第一最大负载率预测值和第二最大负载率预测值进行处理，得到变压器在预测日的最终最大负载率预测值，通过两个不同的预测模型分别进行预测，再结合这两个预测模型的预测结果获取最终的预测结果，即便某一预测模型预测错误，也可以通过另外一个预测模型进行纠正，相比于单一的预测模型进行预测，预测结果的准确性和稳定性更高，改善了现有的变压器的日最大负载率预测方法存在的预测结果不理想的技术问题。...

【技术保护点】

【技术特征摘要】
1.一种变压器的日最大负载率预测方法，其特征在于，包括：获取变压器在预测日前的历史数据；对所述历史数据进行特征提取，得到特征数据；通过预置第一预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第一最大负载率预测值；通过预置第二预测模型对所述特征数据进行处理，得到所述变压器在所述预测日的第二最大负载率预测值；将所述第一最大负载率预测值和所述第二最大负载率预测值输入到预置第三预测模型进行处理，得到所述变压器在所述预测日的最终最大负载率预测值。2.根据权利要求1所述的变压器的日最大负载率预测方法，其特征在于，所述对所述历史数据进行特征提取，得到特征数据，之后还包括：对所述特征数据进行主成分分析，得到筛选特征。3.根据权利要求1所述的变压器的日最大负载率预测方法，其特征在于，所述预置第一预测模型为预置线性回归预测模型，所述预置第二预测模型为预置LSTM预测模型。4.根据权利要求1所述的变压器的日最大负载率预测方法，其特征在于，所述预置第三预测模型的训练过程为：获取所述预置第一预测模型在训练时的第一预测结果和所述预置第二预测模型在训练时的第二预测结果，所述预置第一预测模型和所述预置第二预测模型的训练集相同；初始化第一参数和第二参数；通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果；根据所述第三预测结果和真实标签，通过损失函数计算损失值；当所述损失值大于预置阈值时，通过所述损失值更新所述第一参数和所述第二参数，并返回所述通过所述第一参数和所述第二参数对所述第一预测结果和所述第二预测结果中同一训练样本的预测结果进行线性组合，得到第三预测结果的步骤；当所述损失值小于或等于预置阈值时，输出所述第一参数和所述第二参数，得到预置第三预测模型。5.根据权利要求1所述的变压器的日最大负载率预测方法，其特征在于，所述获取变压器在预测日前的历史数据，之后还包括：对所述历史数据进行预处理，所述预处理包括数据去重、数据去错和数据填充。6.一种变压器的日最大负载率预测装置，其特征在于，包括：获取单元，用于获取变压器在预测日前的历史数据；特...

【专利技术属性】
技术研发人员：孔令明，许中，莫文雄，王勇，霍建彬，罗思敏，崔屹平，徐硕，肖天为，刘田，周凯，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：