负荷预测方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了负荷预测方法、装置、电子设备及存储介质，涉及深度学习和工业大数据等人工智能领域，其中的方法可包括：针对待预测日当前待预测的时间点，从待预测日之前的历史日中确定出待预测日的相似日；获取待预测日在该时间点的气温与相似日在该时间点的气温之间的气温差；根据所述气温差确定出待预测日和相似日在该时间点的负荷差；根据相似日在该时间点的负荷值以及所述负荷差确定出待预测日在该时间点的负荷预测值。应用本公开所述方案，可提升预测结果的准确性。可提升预测结果的准确性。可提升预测结果的准确性。

【技术实现步骤摘要】
负荷预测方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，特别涉及深度学习和工业大数据等领域的负荷预测方法、装置、电子设备及存储介质。

技术介绍

[0002]负荷预测是电力系统调度运营部门的一项重要工作，准确的负荷预测可为机组启停、经济调度、负荷管理等提供重要的帮助。
[0003]目前，通常采用预先训练得到的预测模型来进行负荷预测，即将影响负荷预测结果的各因素输入预测模型，从而得到输出的预测结果，但这种方式的准确性有待提高。

技术实现思路

[0004]本公开提供了负荷预测方法、装置、电子设备及存储介质。
[0005]一种负荷预测方法，包括：
[0006]针对待预测日当前待预测的时间点，从所述待预测日之前的历史日中确定出所述待预测日的相似日；
[0007]获取所述待预测日在所述时间点的气温与所述相似日在所述时间点的气温之间的气温差；
[0008]根据所述气温差确定出所述待预测日和所述相似日在所述时间点的负荷差；
[0009]根据所述相似日在所述时间点的负荷值以及所述负荷差确定出所述待预测日在所述时间点的负荷预测值。
[0010]一种负荷预测装置，包括：第一预测模块、第二预测模块、第三预测模块以及第四预测模块；
[0011]所述第一预测模块，用于针对待预测日当前待预测的时间点，从所述待预测日之前的历史日中确定出所述待预测日的相似日；
[0012]所述第二预测模块，用于获取所述待预测日在所述时间点的气温与所述相似日在所述时间点的气温之间的气温差；
[0013]所述第三预测模块，用于根据所述气温差确定出所述待预测日和所述相似日在所述时间点的负荷差；
[0014]所述第四预测模块，用于根据所述相似日在所述时间点的负荷值以及所述负荷差确定出所述待预测日在所述时间点的负荷预测值。
[0015]一种电子设备，包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。
[0019]一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计
算机执行如以上所述的方法。
[0020]一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如以上所述的方法。
[0021]本公开实施例可以提升负荷预测结果的准确性。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0024]图1为本公开所述负荷预测方法实施例的流程图；
[0025]图2为本公开所述一星期中的各天的日平均负荷变化曲线示意图；
[0026]图3为本公开所述散点图及线性拟合方式示意图；
[0027]图4为采用本公开所述方法得到的负荷预测值与真实负荷值的比对效果示意图；
[0028]图5为本公开所述负荷预测装置第一实施例500的组成结构示意图；
[0029]图6为本公开所述负荷预测装置第二实施例600的组成结构示意图；
[0030]图7示出了可以用来实施本公开的实施例的电子设备700的示意性框图。
具体实施方式
[0031]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0032]另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0033]图1为本公开所述负荷预测方法实施例的流程图。如图1所示，包括以下具体实现方式。
[0034]在步骤101中，针对待预测日当前待预测的时间点，从待预测日之前的历史日中确定出待预测日的相似日。
[0035]在步骤102中，获取待预测日在该时间点的气温与相似日在该时间点的气温之间的气温差。
[0036]在步骤103中，根据所述气温差确定出待预测日和相似日在该时间点的负荷差。
[0037]在步骤104中，根据相似日在该时间点的负荷值以及所述负荷差确定出待预测日在该时间点的负荷预测值。
[0038]负荷预测受到很多因素的影响，在这些因素中，气温是对负荷预测精度影响最大的因素，上述方法实施例所述方案中，针对待预测的时间点，可获取该时间点所在的待预测日与待预测日的相似日在该时间点的气温差，并可结合相似日在该时间点的负荷值以及根据气温差确定出的两者之间的负荷差确定出该时间点的负荷预测值，从而提升了预测结果的准确性等。
[0039]本公开所述负荷预测方法尤其适用于高温天气的负荷预测，所述高温天气可以是指最高气温大于30度的天气。
[0040]针对每个待预测日，可分别设置多个待预测的时间点，这些时间点可均匀分布在一天24小时的时间轴上，针对每个时间点，可分别按照图1所示实施例中的方式进行处理。
[0041]具体地，针对待预测日当前待预测的时间点，可首先从待预测日之前的历史日中确定出待预测日的相似日。
[0042]本公开的一个实施例中，可将最近N个历史日作为待筛选日，并可分别获取待预测日对应的特征向量以及各待筛选日对应的特征向量，N为大于一的正整数，之后可根据所述特征向量分别确定出待预测日和各待筛选日之间的欧式距离，进而可按照欧氏距离从小到大的顺序对各待筛选日进行排序，将排序后处于前K位的待筛选日作为待预测日的相似日，即通过欧式距离选取TopK最近邻日作为待预测日的相似日，K为正整数，且K小于N。
[0043]K和N的具体取值均可根据实际需要而定，通常来说，在实际预测时，K的取值为1即可，即可将排序后处于第1位的待筛选日作为待预测日的相似日。
[0044]假设N的取值为30，为便于表述，将30个待筛选日分别称为待筛选日1～待筛选日30，那么可分别获取待预测日以及待筛选日1～待筛选日30对应的特征向量，进而可根据待预测日对应的特征向量以及待筛选日1对应的特征向量确定出待预测日与待筛选日1之间的欧式距离、根据待预测日对应的特征向量以及待筛选日2对应的特征向量确定出待预测日与待筛选日2之间的欧式距离、
……
、根据待预测日对应的特征向量以及待筛选日30对应的特征向量确定出待预测日本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷预测方法，包括：针对待预测日当前待预测的时间点，从所述待预测日之前的历史日中确定出所述待预测日的相似日；获取所述待预测日在所述时间点的气温与所述相似日在所述时间点的气温之间的气温差；根据所述气温差确定出所述待预测日和所述相似日在所述时间点的负荷差；根据所述相似日在所述时间点的负荷值以及所述负荷差确定出所述待预测日在所述时间点的负荷预测值。2.根据权利要求1所述的方法，其中，所述从所述待预测日之前的历史日中确定出所述待预测日的相似日包括：将最近N个历史日作为待筛选日，分别获取所述待预测日对应的特征向量以及各待筛选日对应的特征向量，N为大于一的正整数；根据所述特征向量分别确定出所述待预测日和各待筛选日之间的欧式距离，按照欧氏距离从小到大的顺序对各待筛选日进行排序，将排序后处于前K位的待筛选日作为所述待预测日的相似日，K为正整数，且K小于N。3.根据权利要求2所述的方法，其中，所述特征向量包括：结合预定的影响负荷预测结果的M种因素生成的特征向量，M为大于一的正整数，所述M种因素中不包括气温。4.根据权利要求2或3所述的方法，其中，所述根据所述气温差确定出所述待预测日和所述相似日在所述时间点的负荷差包括：根据所述气温差以及所述时间点对应的回归方程，确定出所述待预测日和所述相似日在所述时间点的负荷差。5.根据权利要求4所述的方法，还包括：针对任一时间点，分别进行以下处理：构建P组数据对，P为大于一的正整数，任一数据对中分别包括：所述数据对对应的第一历史日和第二历史日在所述时间点的气温差，以及，所述第一历史日和所述第二历史日在所述时间点的负荷差，所述第二历史日为所述第一历史日的相似日；根据所述P组数据对确定出所述时间点对应的回归方程。6.根据权利要求5所述的方法，其中，所述根据所述P组数据对确定出所述时间点对应的回归方程包括：根据所述P组数据对生成对应的散点图；根据所述散点图进行线性拟合，得到所述时间点对应的回归方程。7.根据权利要求5所述的方法，还包括：针对一星期中的第i天，1≤i≤7，分别根据L个历史日的日负荷变化曲线确定出第i天的日平均负荷变化曲线，L为大于一的正整数，所述L个历史日均为所在星期中的第i天；根据第一历史日对应的日平均负荷变化曲线确定出所述第一历史日在所述时间点的负荷值，根据第二历史日对应的日平均负荷变化曲线确定出所述第二历史日在所述时间点的负荷值，并获取两个负荷值的差值，将所述差值作为所述第一历史日和所述第二历史日对应的星期补偿，利用所述星期补偿对所述数据对中的负荷差进行修正。
8.根据权利要求7所述的方法，还包括：获取所述待预测日和所述待预测日的相似日对应的星期补偿；利用获取到的星期补偿对所述待预测日和所述待预测日的相似日在所述时间点的负荷差进行修正；根据所述待预测日的相似日在所述时间点的负荷值以及修正后的负荷差确定出所述待预测日在所述时间点的负荷预测值。9.一种负荷预测装置，包括：第一预测模块、第二预测模块、第三预测模块以及第四预测模块；所述第一预测模块，用于针对待预测日当前待预测的时间点，从所述待预测日之前的历史日中确定出所述待预测日的相似日；所述第二预测模块，用于获取所述待预测日在所述时间点的气温与所述相似日在所述时间点的气温之间的气温差；所述第三预测模块，用于根据所述气温差确定出所述...

【专利技术属性】
技术研发人员：卞传鑫，孙玥，张野，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：