一种分布式电力负荷组合预测方法、装置、终端及存储介质制造方法及图纸

本发明专利技术公开了一种分布式电力负荷组合预测方法、装置、终端及存储介质，所述方法包括：采集电力负荷历史数据；将所采集的电力负荷历史数据和预确定的组合预测模型一同输入至Hadoop框架，采用MapReduce方式进行分布式电力负荷进行预测计算，获取分布式电力负荷预测结果；其中，所述组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定。本发明专利技术中组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定，将电力负荷历史数据及组合预测模型作为样本集输入Hadoop框架中，进行分布式负荷预测计算，从而在保证计算机运行稳定性的情况下，提高预测结果的精度。提高预测结果的精度。提高预测结果的精度。

【技术实现步骤摘要】
一种分布式电力负荷组合预测方法、装置、终端及存储介质


[0001]本专利技术涉及一种分布式电力负荷组合预测方法、装置、终端及存储介质，属于智能电网


技术介绍

[0002]就目前的短期负荷预测技术而言，运用较多的就一些典型的负荷预测算法，例如：支持向量机法、粒子群算法、神经网络算法等。随着传统工业化电厂向数字化电厂的转型，数据规模日益增大，传统的预测计算方法已无法满足数字化电厂数据计算需求。组合预测模型关键在确定加权系数上，大多基于加权平均系数、预设加权系数、智能动态加权系数等方法。此类方法组合预测中的预测方法个数或是加权系数都会进行一个预设，从而忽略了不同电厂场景下各类预测方案的误差差异；另外，现有的电力负荷预测方法大多直接运所采集的历史数据进行预测，并未考虑到数据在传输过程中出现异常的问题，进一步导致电力负荷预测结果精度偏低。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种一种分布式电力负荷组合预测方法、装置、终端及存储介质，解决现有技术中电力负荷预测精度偏低的技术问题。
[0004]为解决上述技术问题，本专利技术是采用下述技术方案实现的：
[0005]第一方面，本专利技术提供了一种分布式电力负荷组合预测方法，所述方法包括：
[0006]采集电力负荷历史数据；
[0007]将所采集的电力负荷历史数据和预确定的组合预测模型一同输入至Hadoop框架，采用MapReduce方式进行分布式电力负荷进行预测计算，获取分布式电力负荷预测结果；
[0008]其中，所述组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定。
[0009]进一步的，将所采集的电力负荷历史数据输入至Hadoop框架之前，对电力负荷历史数据进行预处理，包括缺失数据补全处理。
[0010]进一步的，所述缺失数据补全处理包括：
[0011]对于单点缺失数据，选取该点相邻前一时刻的电力负荷数据和后一时刻的电力负荷数据的加权平均值作为该点的电力负荷数据。
[0012]进一步的，所述单项电力负荷预测方法包括：回归分析法、时间序列法、趋势外推法、支持向量机法。
[0013]进一步的，所述组合预测模型的确定方法包括：
[0014]根据所选择的单项电力负荷预测方法对组合预测方法的贡献程度，采用夏普利值计算方法确定各单项电力负荷预测方法的加权系数；
[0015]根据各单项电力负荷预测方法的加权系数，确定如公式(1)所示的组合预测模型：
[0016][0017]其中，表示组合预测方法的预测值；集合X＝{x1,x2,
…
,x
n
}对应各单项电力负荷预测方法的加权系数，满足x
i
≥0，x
i
表示单项电力负荷预测方法i的加权系数；m1,m2,
…
,m
n
表示各单项电力负荷预测方式的预测值；n表示组合预测中采用的单项电力负荷预测方式的总数。
[0018]进一步的，采用夏普利值计算方法确定各单项电力负荷预测方法的加权系数的方法包括：
[0019]采用公式(2)计算各单项电力负荷预测方法对组合预测方法的贡献程度：
[0020][0021]式中，是单项电力负荷预测方法i的贡献程度；预测方法集合为N＝{1,2,
…
,n}，n表示组合预测中采用的单项电力负荷预测方式的总数，S是形成组合预测方法的所有单项电力负荷预测方法的联盟集合，|S|为参与组合的单项电力负荷预测方法的个数，(v(S∪{i})
‑
v(S))为单项电力负荷预测方法i的边际效益；
[0022]根据各单项电力负荷预测方法对组合预测方法的贡献程度，采用公式(3)计算各单项电力负荷预测方法组合后的总收益v(M)：
[0023][0024]令组合预测总误差的相反数等于组合后的总收益，以降低组合预测总误差为合作目标，采用公式(4)对各单项电力负荷预测方法的贡献程度进行归一化处理，对应获取各单项电力负荷预测方法的加权系数：
[0025][0026]进一步的，所述Hadoop框架在接收到电力负荷历史数据后，将电力负荷历史数据分割为多个数据块，并对各数据块分别进行map操作；
[0027]每个数据块在map操作中采取所述组合预测模型对电力负荷进行预测计算，将预测计算结果输入到reduce任务中进行汇总，取reduce结果的平均数，得到最终的分布式电力负荷预测结果。
[0028]第二方面，本专利技术提供一种分布式电力负荷组合预测装置，所述装置包括：
[0029]数据采集模块：用于采集电力负荷历史数据；
[0030]预测模块：用于将所采集的电力负荷历史数据和预确定的组合预测模型一同输入至Hadoop框架，采用MapReduce方式进行分布式电力负荷进行预测计算，获取分布式电力负荷预测结果；
[0031]其中，所述组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定。
[0032]第三方面，本专利技术提供一种终端，包括处理器及存储介质；
[0033]所述存储介质用于存储指令；
[0034]所述处理器用于根据所述指令进行操作以执行第一方面任一项所述方法的步骤。
[0035]第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
[0036]与现有技术相比，本专利技术所达到的有益效果：本专利技术中组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定，将电力负荷历史数据及组合预测模型作为样本集输入Hadoop框架中，进行分布式负荷预测计算，从而在保证计算机运行稳定性的情况下，提高预测结果的精度。
附图说明
[0037]图1是根据本专利技术实施例提供的一种分布式电力负荷组合预测方法的流程图；
[0038]图2是根据本专利技术实施例提供的针对单点缺失数据的预处理方法流程图；
[0039]图3是根据本专利技术实施例提供的组合预测模型的确定方法流程图；
[0040]图4是根据本专利技术实施例提供的Hadoop框架下分布式电力负荷预测计算的方法流程图。
具体实施方式
[0041]下面通过附图以及具体实施例对本专利技术技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
[0042]实施例一：
[0043]参见图1，本专利技术实施例提供一种分布式电力负荷组合预测方法，所述方法包括：
[0044]步骤一：采集电力负荷历史数据；
[0045]电力负荷历史数据在采集、传输、存储过程中都可能出现异常，比如：数据丢失。面对数据丢失的情况，本专利技术实施例将所采集的电力负荷历史数据输入至Hadoo本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式电力负荷组合预测方法，其特征在于，所述方法包括：采集电力负荷历史数据；将所采集的电力负荷历史数据和预确定的组合预测模型一同输入至Hadoop框架，采用MapReduce方式进行分布式电力负荷进行预测计算，获取分布式电力负荷预测结果；其中，所述组合预测模型由多个所选择的单项电力负荷预测方法基于合作博弈的思想组合确定。2.根据权利要求1所述的分布式电力负荷组合预测方法，其特征在于，将所采集的电力负荷历史数据输入至Hadoop框架之前，对电力负荷历史数据进行预处理，包括缺失数据补全处理。3.根据权利要求2所述的分布式电力负荷组合预测方法，其特征在于，所述缺失数据补全处理包括：对于单点缺失数据，选取该点相邻前一时刻的电力负荷数据和后一时刻的电力负荷数据的加权平均值作为该点的电力负荷数据。4.根据权利要求1所述的分布式电力负荷组合预测方法，其特征在于，所述单项电力负荷预测方法包括：回归分析法、时间序列法、趋势外推法、支持向量机法。5.根据权利要求1所述的分布式电力负荷组合预测方法，其特征在于，所述组合预测模型的确定方法包括：根据所选择的单项电力负荷预测方法对组合预测方法的贡献程度，采用夏普利值计算方法确定各单项电力负荷预测方法的加权系数；根据各单项电力负荷预测方法的加权系数，确定如公式(1)所示的组合预测模型：其中，表示组合预测方法的预测值；集合X＝{x1,x2,
…
,x
n
}对应各单项电力负荷预测方法的加权系数，满足x
i
表示单项电力负荷预测方法i的加权系数；集合M＝{m1,m2,
…
,m
n
}对应各单项电力负荷预测方式的预测值；预测方法集合为N＝{1,2,
…
,n}，n表示组合预测中采用的单项电力负荷预测方式的总数。6.根据权利要求5所述的分布式电力负荷组合预测方法，其特征在于，采用夏普利值计算方法确定各单项电力负荷预测方法的加权系数的方法包括：采用...

【专利技术属性】
技术研发人员：陆瑾洋，吉书强，宋坤，钟孝蛟，刘广，徐颋，杜军，赵金旺，
申请(专利权)人：国电南京自动化股份有限公司，
类型：发明
国别省市：