一种电力负荷预测方法、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一种电力负荷预测方法、装置、终端及存储介质，在每一个预测周期，选取K组实时数据，将其加入上一个历史数据集，组成新的历史数据集并存储；基于神经网络算法对新的历史数据集进行训练，获得新的预测模型并存储；在当前预测周期进行电力负荷预测前，获取当前预测周期的P组实时数据，将该P组实时数据分别与已存储的各个历史数据集进行比对，选出与该P组实时数据相似度最高的历史数据集，记为目标历史数据集；在当前预测周期，基于该目标历史数据集对应的预测模型进行电力负荷预测。本发明专利技术使预测考虑最近的数据和最优的模型，有效提高预测精度，为电力系统规划和运行提供可靠依据。依据。依据。

【技术实现步骤摘要】
一种电力负荷预测方法、装置、终端及存储介质


[0001]本专利技术涉及电力负荷预测领域，具体涉及一种电力负荷预测方法、装置、终端及存储介质。

技术介绍

[0002]电力负荷预测时电力系统规划的重要组成部分，用于对未来电力需求量、用电量等进行预测，为电力系统规划和运行提供决策依据。很多因素不同程度地影响着电力负荷的预测值，如气象因素等。现有的电力负荷预测一般采用神经网络算法进行训练获得预测模型，基于预测模型进行预测。然而，现有系统一般在初始生成预测模型后，后续长时间使用该预测模型进行预测，导致后续预测精度降低，影响预测结果，进而影响电力系统规划和运行。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种电力负荷预测方法、装置、终端及存储介质，划定预测周期，在每一预测周期均训练并选择出最优的预测模型，使用该最优的预测模型进行预测，有效提高预测准确性，为电力系统规划和运行提供可靠依据。
[0004]第一方面，本专利技术的技术方案提供一种电力负荷预测方法，包括以下步骤：
[0005]在每一个预测周期，选取K组实本文档来自技高网...

【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，包括以下步骤：在每一个预测周期，选取K组实时数据，将其加入上一个历史数据集，组成新的历史数据集并存储；其中K≥1；基于神经网络算法对新的历史数据集进行训练，获得新的预测模型并存储；在当前预测周期进行电力负荷预测前，获取当前预测周期的P组实时数据，将该P组实时数据分别与已存储的各个历史数据集进行比对，选出与该P组实时数据相似度最高的历史数据集，记为目标历史数据集；其中P≥1；在当前预测周期，基于该目标历史数据集对应的预测模型进行电力负荷预测。2.根据权利要求1所述的电力负荷预测方法，其特征在于，将K组实时数据加入上一个历史数据集时，该上一个历史数据集中时间最久的K组历史数据删除。3.根据权利要求2所述的电力负荷预测方法，其特征在于，记一组实时数据为X＝(x1，x2，
…
，x
n
)，其中x
i
为实时数据的第i个元素，i＝1、2、...、n；记历史数据集为其中，m表示历史数据集中有m个样本；则一组实时数据与一个历史数据集之间的相似度为：一组实时数据对应一个相似度最高的历史数据集；对于P组实时数据，若某个历史数据集对应的相似度最高的实时数据组数最多，则该历史数据集为P组实时数据相似度最高的历史数据集。4.根据权利要求1、2或3所述的电力负荷预测方法，其特征在于，当已存储的历史数据集个数达到预设阈值时，有新的历史数据集存储时，将时间最久的历史数据集及其对应的预测模型删除。5.一种电力负荷预测装置，其特征在于，包括，第一实时数据选取模块：在每一个预测周期，选取K组实时数据；其中K≥1；历史数据集组成模块：将第一实时数据选取模块所选取的K组实时数据加入上一个历史数据集，组成新的历史数据集并存储；模型训练模块：基于神经网络算法对历史数据集进行训练，获得预测模型并存储；第二实时数据选择模块：在当前预测周期进行电力负荷预测前，获取...

【专利技术属性】
技术研发人员：尹艺霏，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：