一种负荷预测方法及相关装置制造方法及图纸

本申请公开了一种负荷预测方法及相关装置，方法包括：获取目标时刻的前预置个时刻的相关负荷电流、目标气温和目标天气值；将相关负荷电流、目标气温和目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值；基于BP网络模型预测操作，根据相关负荷电流分别计算概率转移矩阵和初始误差预测值；基于概率转移矩阵和初始误差预测值计算目标误差预测值；根据初始负荷预测值与目标误差预测值计算目标负荷预测值。本申请解决了现有技术缺乏对影响负荷性能的环境因素的分析，且针对不规律变化的负荷预测效果较差，导致预测结果缺乏准确性和可靠性的技术问题。果缺乏准确性和可靠性的技术问题。果缺乏准确性和可靠性的技术问题。

【技术实现步骤摘要】
一种负荷预测方法及相关装置


[0001]本申请涉及负荷预测
，尤其涉及一种负荷预测方法及相关装置。

技术介绍

[0002]负荷预测按预测的时间可以分为长期、中期和短期负荷预测。目前，电力系统短期负荷预测的方法主要包括统计技术、专家系统法和神经网络法。统计技术中所用的短期负荷模型一般可分为时间系统模型和回归模型。
[0003]时间系统模型不能充分利用对负荷性能有很大影响的其他环境因素，预测不准确且不稳定。回归模型需要事先知道负荷与气象变量之间的函数关系，且计算量大，不能处理环境变量和负荷之间非平衡暂态关系。专家系统法利用专家的经验知识和推理规则，提高了节假日或者重大活动日的负荷预测精度，但将专家知识和经验等准确地转化为一系列规则存在很大困难。而简单神经网络模型对负荷数据进行分析的过程中无法把控不规律的负荷曲线变化，导致实际的预测精度较低。

技术实现思路

[0004]本申请提供了一种负荷预测方法及相关装置，用于解决现有技术缺乏对影响负荷性能的环境因素的分析，且针对不规律变化的负荷预测效果较差，导致预测结果缺乏准确性和可靠性的技术问题。
[0005]有鉴于此，本申请第一方面提供了一种负荷预测方法，包括：
[0006]获取目标时刻的前预置个时刻的相关负荷电流、目标气温和目标天气值；
[0007]将所述相关负荷电流、所述目标气温和所述目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值；
[0008]基于BP网络模型预测操作，根据所述相关负荷电流分别计算概率转移矩阵和初始误差预测值；
[0009]基于所述概率转移矩阵和所述初始误差预测值计算目标误差预测值；
[0010]根据所述初始负荷预测值与所述目标误差预测值计算目标负荷预测值。
[0011]可选的，所述将所述相关负荷电流、所述目标气温和所述目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值，之前还包括：
[0012]获取历史时刻的前预置个时刻的历史相关负荷电流、历史气温和历史天气值，并构建出训练数据集；
[0013]通过所述训练数据集与所述历史时刻对应的历史负荷电流对初始负荷预测网络模型进行预测训练，得到预置负荷预测网络模型。
[0014]可选的，所述基于BP网络模型预测操作，根据所述相关负荷电流分别计算概率转移矩阵和初始误差预测值，包括：
[0015]根据基于BP网络模型预测操作得到的负荷网络计算值和所述相关负荷电流计算误差序列；
[0016]根据所述误差序列构建概率转移矩阵；
[0017]将所述误差序列输入预置误差预测网络模型中进行误差预测，得到初始误差预测值。
[0018]可选的，所述基于所述概率转移矩阵和所述初始误差预测值计算目标误差预测值，包括：
[0019]根据所述初始误差预测值的符号差异在所述概率转移矩阵中选取不同的元素，并结合所述初始误差预测值计算目标误差预测值。
[0020]本申请第二方面提供了一种负荷预测装置，包括：
[0021]数据获取模块，用于获取目标时刻的前预置个时刻的相关负荷电流、目标气温和目标天气值；
[0022]负荷预测模块，用于将所述相关负荷电流、所述目标气温和所述目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值；
[0023]误差计算模块，用于基于BP网络模型预测操作，根据所述相关负荷电流分别计算概率转移矩阵和初始误差预测值；
[0024]误差优化模块，用于基于所述概率转移矩阵和所述初始误差预测值计算目标误差预测值；
[0025]预测优化模块，用于根据所述初始负荷预测值与所述目标误差预测值计算目标负荷预测值。
[0026]可选的，还包括：
[0027]训练数据获取模块，用于获取历史时刻的前预置个时刻的历史相关负荷电流、历史气温和历史天气值，并构建出训练数据集；
[0028]预测模型训练模块，用于通过所述训练数据集与所述历史时刻对应的历史负荷电流对初始负荷预测网络模型进行预测训练，得到预置负荷预测网络模型。
[0029]可选的，所述误差计算模块，具体用于：
[0030]根据基于BP网络模型预测操作得到的负荷网络计算值和所述相关负荷电流计算误差序列；
[0031]根据所述误差序列构建概率转移矩阵；
[0032]将所述误差序列输入预置误差预测网络模型中进行误差预测，得到初始误差预测值。
[0033]可选的，所述误差优化模块，具体用于：
[0034]根据所述初始误差预测值的符号差异在所述概率转移矩阵中选取不同的元素，并结合所述初始误差预测值计算目标误差预测值。
[0035]本申请第三方面提供了一种负荷预测设备，所述设备包括处理器以及存储器；
[0036]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；
[0037]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所述的负荷预测方法。
[0038]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，所述程序代码用于执行第一方面所述的负荷预测方法。
[0039]从以上技术方案可以看出，本申请实施例具有以下优点：
[0040]本申请中，提供了一种负荷预测方法，包括：获取目标时刻的前预置个时刻的相关
负荷电流、目标气温和目标天气值；将相关负荷电流、目标气温和目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值；基于BP网络模型预测操作，根据相关负荷电流分别计算概率转移矩阵和初始误差预测值；基于概率转移矩阵和初始误差预测值计算目标误差预测值；根据初始负荷预测值与目标误差预测值计算目标负荷预测值。
[0041]本申请提供的一种负荷预测方法，获取目标时刻的负荷数据的同时，还获取对应时间内的气温和天气值，形成综合的负荷分析因素，考虑到了环境对负荷变化的影响，使得预测结果更加可靠；而且也能一定程度上避免负荷不规律变化的影响；此外，对负荷预测误差进行优化调整计算，得到的目标误差预测值也能更加精准地反映负荷的波动情况，基于此得到的目标负荷预测值也更加准确可靠。因此，本申请能够解决现有技术缺乏对影响负荷性能的环境因素的分析，且针对不规律变化的负荷预测效果较差，导致预测结果缺乏准确性和可靠性的技术问题。
附图说明
[0042]图1为本申请实施例提供的一种负荷预测方法的流程示意图；
[0043]图2为本申请实施例提供的一种负荷预测装置的结构示意图；
[0044]图3为本申请实施例提供的BP神经网络结构拓扑示意图。
具体实施方式
[0045]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷预测方法，其特征在于，包括：获取目标时刻的前预置个时刻的相关负荷电流、目标气温和目标天气值；将所述相关负荷电流、所述目标气温和所述目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值；基于BP网络模型预测操作，根据所述相关负荷电流分别计算概率转移矩阵和初始误差预测值；基于所述概率转移矩阵和所述初始误差预测值计算目标误差预测值；根据所述初始负荷预测值与所述目标误差预测值计算目标负荷预测值。2.根据权利要求1所述的负荷预测方法，其特征在于，所述将所述相关负荷电流、所述目标气温和所述目标天气值输入预置负荷预测网络模型中进行负荷预测，得到初始负荷预测值，之前还包括：获取历史时刻的前预置个时刻的历史相关负荷电流、历史气温和历史天气值，并构建出训练数据集；通过所述训练数据集与所述历史时刻对应的历史负荷电流对初始负荷预测网络模型进行预测训练，得到预置负荷预测网络模型。3.根据权利要求1所述的负荷预测方法，其特征在于，所述基于BP网络模型预测操作，根据所述相关负荷电流分别计算概率转移矩阵和初始误差预测值，包括：根据基于BP网络模型预测操作得到的负荷网络计算值和所述相关负荷电流计算误差序列；根据所述误差序列构建概率转移矩阵；将所述误差序列输入预置误差预测网络模型中进行误差预测，得到初始误差预测值。4.根据权利要求1所述的负荷预测方法，其特征在于，所述基于所述概率转移矩阵和所述初始误差预测值计算目标误差预测值，包括：根据所述初始误差预测值的符号差异在所述概率转移矩阵中选取不同的元素，并结合所述初始误差预测值计算目标误差预测值。5.一种负荷预测装置，其特征在于，包括：数据获取模块，用于获取目标时刻的前预置个时刻的相关负荷电流、目标气温和目标天气值；负荷预测模块，用于将所述相关负荷电流、所述目标气温...

【专利技术属性】
技术研发人员：林超，吴炬卓，黄国泳，练伟兵，马清，邱明，黄杰辉，郑林胜，张杰群，赵鹏勃，
申请(专利权)人：广东电网有限责任公司珠海供电局，
类型：发明
国别省市：