一种电力负荷预测系统及方法技术方案

本申请公开了一种电力负荷预测系统及方法，主要涉及负荷预测技术领域，用以解决现有的负荷预测的方法精准度较低的技术问题。包括：负荷获取模块，用于获取电力设备对应的第一电力负荷数据；其中，第一电力负荷数据包括环境数据以及负荷曲线；负荷预处理模块，用于根据训练好的深度学习算法以及环境数据，验证负荷曲线是否合理，确定合理的负荷曲线对应的第一电路负荷数据为第二电力负荷数据；负荷预测模块，用于根据预设的残差灰度预测算法、级比偏差灰度预测算法、模糊分类算法以及预设投票机制，确定第二电力负荷数据对应的预测结果。本申请通过上述方法提高了负荷预测的精准度。度。度。

【技术实现步骤摘要】
一种电力负荷预测系统及方法


[0001]本申请涉及电力负荷检测
，尤其涉及一种电力负荷预测系统及方法。

技术介绍

[0002]电力系统负荷预测是电网安全稳定运行、优化调度、电力市场运营的重要依据。
[0003]现有的负荷预测的方法主要为：通过曲线拟合负荷预测，以实现对电力系统的短期负荷预测。
[0004]但是，随着经济快速发展和电力市场的建立与完善，用户对电能质量和电力供应的需求日益增长，上述方法的精度不足，亟需一种电力负荷预测系统及方法来提高负荷预测的精度以及处理速度。

技术实现思路

[0005]针对现有技术的上述不足，本专利技术提供一种电力负荷预测系统及方法，以解决上述技术问题。
[0006]第一方面，本申请实施例提供了一种电力负荷预测系统，系统包括：负荷获取模块，用于获取电力设备对应的第一电力负荷数据；其中，第一电力负荷数据包括环境数据以及负荷曲线；负荷预处理模块，用于根据训练好的深度学习算法以及环境数据，验证负荷曲线是否合理，确定合理的负荷曲线对应的第一电路负荷数据为第二电力负荷数据；负荷预测模块，用于根据预设的残差灰度预测算法、级比偏差灰度预测算法、模糊分类算法以及预设投票机制，确定第二电力负荷数据对应的预测结果。
[0007]进一步地，负荷获取模块包括环境数据采集单元、负荷数据采集单元以及负荷曲线拟合单元；环境数据采集单元，用于采集预设时间段内的环境数据；其中，环境数据至少包括天气信息、节假日信息、温度信息、季节信息、负荷类型信息；负荷数据采集单元，用于通过定时遥测，获取瞬时电量；以根据公式确定瞬时负荷功率；其中，P为瞬时负荷功率、W为瞬时电量、T为定时遥测的时间间隔；负荷曲线拟合单元，用于根据预存的标准电量、瞬时电量、瞬时负荷功以及公式其中，W0为标准电量，生成负荷曲线。
[0008]进一步地，负荷预处理模块，包括深度学习单元、算法更新单元；深度学习单元，用于根据训练好的深度学习算法以及第一电力负荷数据，验证环境数据对应的负荷曲线是否合理；算法更新单元，用于获取标记为具有典型性的第一电力负荷数据，将具有典型性的第一电力负荷数据输入深度学习算法，以对深度学习算法进行训练。
[0009]进一步地，负荷预测模块包括残差预测单元、级比偏差预测单元、模糊预测单元；残差预测单元，用于根据预设残差灰度预测算法公式：y＝x+c、ρ(k)＝x(k)
‑
x0(k)，计算第二电力负荷数据对应的第一结果；其中，y为预测结果，x为第二电力数据，c为任意常数，ρ为计算残差值；级比偏差预测单元，用于根据预设级比偏差灰度预测算法公式：
γ(k)∈θ(k＝2,3,4,...n)、计算第二电力负荷数据对应的第二结果；其中，ε(k)为预测结果，x为第二电力数据，γ(k)为计算级比偏差值；模糊预测单元，用于将第一结果以及第二电力数据作为第一输入数据、第二结果以及第二电力数据作为第二输入数据，导入预设模糊算法公式：其中，F(μ)为模糊度，μ为第一输入数据或第二输入数据，计算第一输入数据对应的第一模糊度以及第二输入数据对应的第二模糊度；确定第一模糊度、第二模糊度中最大值对应的结果为预测结果。
[0010]进一步地，系统还包括算法更新模块；算法更新模块，用于获取若干已标记预测结果的第二电力负荷数据，以对残差灰度预测算法、级比偏差灰度预测算法以及模糊分类算法进行更新训练。
[0011]第二方面，本申请实施例提供了一种电力负荷预测方法，方法包括：获取电力设备对应的第一电力负荷数据；其中，第一电力负荷数据包括环境数据以及负荷曲线；根据训练好的深度学习算法以及环境数据，验证负荷曲线是否合理，确定合理的负荷曲线对应的第一电路负荷数据为第二电力负荷数据；根据预设的残差灰度预测算法、级比偏差灰度预测算法、模糊分类算法以及预设投票机制，确定第二电力负荷数据对应的预测结果。
[0012]进一步地，获取电力设备对应的第一电力负荷数据，具体包括：采集预设时间段内的环境数据；其中，环境数据至少包括：天气信息、节假日信息、温度信息、季节信息、负荷类型信息；通过定时遥测，获取瞬时电量；以根据公式确定瞬时负荷功率；其中，P为瞬时负荷功率、W为瞬时电量、T为定时遥测的时间间隔；根据预存的标准电量、瞬时电量、瞬时负荷功以及公式其中，W0为标准电量，生成负荷曲线。
[0013]进一步地，根据预设的残差灰度预测算法、级比偏差灰度预测算法、模糊分类算法以及预设投票机制，确定第二电力负荷数据对应的预测结果，具体包括：根据预设残差灰度预测算法公式：y＝x+c、ρ(k)＝x(k)
‑
x0(k)，计算第二电力负荷数据对应的第一结果；其中，y为预测结果，x为第二电力数据，c为任意常数，ρ为计算残差值；根据预设级比偏差灰度预测算法公式：γ(k)∈θ(k＝2,3,4,...n)、计算第二电力负荷数据对应的第二结果；其中，ε(k)为预测结果，x为第二电力数据，γ(k)为计算级比偏差值；将第一结果以及第二电力数据作为第一输入数据、第二结果以及第二电力数据作为第二输入数据，分别导入预设模糊算法公式：其中，F(μ)为模糊度，μ为第一输入数据或第二输入数据，计算第一输入数据对应的第一模糊度以及第二输入数据对应的第二模糊度；确定第一模糊度、第二模糊度中最大值对应的结果为预测结果。
[0014]本领域技术人员能够理解的是，本专利技术至少具有如下有益效果：通过负荷获取模
块，实现了快速获取当前时间段内的第一电力负荷数据；通过负荷预处理模块中的深度学习算法，实现了对第一电力负荷数据的预处理，过滤了无意义或异常的数据。通过负荷预测模块，实现了通过多种算法融合对第二负荷数据进行预测，提高了负荷预测的准确性。
附图说明
[0015]下面参照附图来描述本公开的部分实施例，附图中：
[0016]图1是本申请实施例提供的一种电力负荷预测系统内部结构示意图。
[0017]图2是本申请实施例提供的一种电力负荷预测方法流程图。
具体实施方式
[0018]本领域技术人员应当理解的是，下文所描述的实施例仅仅是本公开的优选实施例，并不表示本公开仅能通过该优选实施例实现，该优选实施例仅仅是用于解释本公开的技术原理，并非用于限制本公开的保护范围。基于本公开提供的优选实施例，本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例，仍应落入到本公开的保护范围之内。
[0019]还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0020]下面通过附图对本申请实施例提出的技术方案进行详细的说明。
[0021]图1为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力负荷预测系统，其特征在于，所述系统包括：负荷获取模块，用于获取电力设备对应的第一电力负荷数据；其中，所述第一电力负荷数据包括环境数据以及负荷曲线；负荷预处理模块，用于根据训练好的深度学习算法以及所述环境数据，验证负荷曲线是否合理，确定合理的负荷曲线对应的第一电路负荷数据为第二电力负荷数据；负荷预测模块，用于根据预设的残差灰度预测算法、级比偏差灰度预测算法、模糊分类算法以及预设投票机制，确定所述第二电力负荷数据对应的预测结果。2.根据权利要求1所述的电力负荷预测系统，其特征在于，所述负荷获取模块包括环境数据采集单元、负荷数据采集单元以及负荷曲线拟合单元；所述环境数据采集单元，用于采集预设时间段内的环境数据；其中，所述环境数据至少包括天气信息、节假日信息、温度信息、季节信息、负荷类型信息；所述负荷数据采集单元，用于通过定时遥测，获取瞬时电量；以根据公式确定瞬时负荷功率；其中，P为瞬时负荷功率、W为瞬时电量、T为定时遥测的时间间隔；所述负荷曲线拟合单元，用于根据预存的标准电量、瞬时电量、瞬时负荷功以及公式其中，W0为所述标准电量，生成负荷曲线。3.根据权利要求1所述的电力负荷预测系统，其特征在于，所述负荷预处理模块，包括深度学习单元、算法更新单元；所述深度学习单元，用于根据训练好的深度学习算法以及第一电力负荷数据，验证所述环境数据对应的负荷曲线是否合理；所述算法更新单元，用于获取具有典型性的第一电力负荷数据，将具有典型性的第一电力负荷数据输入深度学习算法，以对深度学习算法进行训练。4.根据权利要求1所述的电力负荷预测系统，其特征在于，所述负荷预测模块包括残差预测单元、级比偏差预测单元、模糊预测单元；所述残差预测单元，用于根据预设残差灰度预测算法公式：y＝x+c、ρ(k)＝x(k)
‑
x0(k)，计算所述第二电力负荷数据对应的第一结果；其中，y为预测结果，x为第二电力数据，c为任意常数，ρ为计算残差值；所述级比偏差预测单元，用于根据预设级比偏差灰度预测算法公式：γ(k)∈θ(k＝2,3,4,...n)、计算所述第二电力负荷数据对应的第二结果；其中，ε(k)为预测结果，x为第二电力数据，γ(k)为计算级比偏差值；所述模糊预测单元，用于将所述第一结果以及第二电力数据作为第一输入数据、所述第二结果以及第二电力数据作为第二输入数据，导入预设模糊算法公式：其中，F(μ)为模糊度，μ为所述第一输入数据或所述第二输入数据，计...

【专利技术属性】
技术研发人员：王延涛，韩其东，刘松，左长华，金欣，赵利，潘志鹏，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：