电力负荷估计方法及系统、电子设备及存储介质技术方案

本发明专利技术公开了一种电力负荷估计方法及系统、电子设备及存储介质。其中，电力负荷估计方法包括：获取当前时刻的电力负荷数据；从数据库中查找与当前时刻对应的特征值，并根据当前时刻对应的特征值对所述电力负荷数据进行标准化处理，得到所述当前时刻的标准分；根据基于所述当前时刻的标准分构建的预测模型预测下一时刻的标准分；根据下一时刻对应的特征值以及标准分预测第一电力负荷数据，根据当前时刻的电力负荷数据以及历史电力负荷数据预测第二电力负荷数据，结合预测的第一电力负荷数据和第二电力负荷数据共同估计下一时刻的电力负荷数据，由于该估计过程结合了历史电力负荷数据及其分布情况，因此，电力负荷数据的估计结果更加准确。计结果更加准确。计结果更加准确。

【技术实现步骤摘要】
电力负荷估计方法及系统、电子设备及存储介质


[0001]本专利技术涉及电力负荷预测领域，特别涉及一种电力负荷估计方法及系统、电子设备及存储介质。

技术介绍

[0002]负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因素，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据。其中，负荷是指电力需求量(功率)或用电量。负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统的一个重要模块。由于负荷预测是根据电力负荷的过去和现在推测它的未来数值，所以，负荷预测工作所研究的对象是不肯定事件。只有不肯定事件、随机事件，才需要人们采用适当的预测技术，推知负荷的发展趋势和可能达到的状况。
[0003]对于大多数情况下的实际负荷预测，通常使用周期性时间朴素预测法，即用上一个时间周期中对应位置的观测值作为预测值。例如将最近一周的负荷平移到下一周，作为下一周的一个负荷预测的依据。这种方法对于负荷较为规律的场景有一定适用性，但是在一些负荷规律较低，或者负荷波动较大的场景里使用平移的方案势必会造成不小的误差。

技术实现思路

[0004]本专利技术要解决的技术问题是为了克服现有技术中周期性时间朴素预测法不适用于负荷规律较低或者负荷波动较大的场景的缺陷，提供一种电力负荷估计方法及系统、电子设备及存储介质。
[0005]本专利技术是通过下述技术方案来解决上述技术问题：
[0006]本专利技术的第一方面提供电力负荷估计方法，包括以下步骤：
[0007]获取当前时刻的电力负荷数据；
[0008]从数据库中查找与所述当前时刻对应的特征值，并根据所述当前时刻对应的特征值对所述电力负荷数据进行标准化处理，得到所述当前时刻的标准分；其中，所述数据库中存储有不同时刻的特征值，所述特征值根据预设周期内历史电力负荷数据的分布特征提取得到；
[0009]根据基于所述当前时刻的标准分构建的预测模型预测下一时刻的标准分；
[0010]从所述数据库中查找与所述下一时刻对应的特征值，并根据所述下一时刻对应的特征值以及所述下一时刻的标准分预测所述下一时刻的第一电力负荷数据；
[0011]根据所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据预测所述下一时刻的第二电力负荷数据；
[0012]根据所述第一电力负荷数据和所述第二电力负荷数据估计所述下一时刻的电力负荷数据；
[0013]其中，所述预测模型的参数根据对损失函数进行拟合得到，所述损失函数根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立。
[0014]可选地，所述根据所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据预测所述下一时刻的第二电力负荷数据的步骤具体包括：
[0015]对所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据进行加权求和，得到所述下一时刻的第二电力负荷数据；
[0016]其中，所述当前时刻的电力负荷数据对应的权重以及所述当前时刻之前的历史电力负荷数据对应的权重根据对所述损失函数进行拟合得到。
[0017]可选地，所述预测模型基于所述当前时刻的标准分以及所述当前时刻的标准分的至少一阶导数构建。
[0018]可选地，所述损失函数f
loss
根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立，具体包括：
[0019][0020]其中，MASE_1为估计得到的样本电力负荷数据与对应的真实电力负荷数据的平均绝对误差，MASE_2为前一周期的历史电力负荷数据与当前周期在相同时刻的真实电力负荷数据的平均绝对误差。
[0021]可选地，所述预设周期内的历史电力负荷数据满足高斯分布，所述特征值包括均值和标准差。
[0022]可选地，所述根据所述第一电力负荷数据和所述第二电力负荷数据估计所述下一时刻的电力负荷数据的步骤具体包括：
[0023]对所述第一电力负荷数据和所述第二电力负荷数据进行加权求和，得到所述下一时刻的电力负荷数据；
[0024]其中，所述第一电力负荷数据对应的第一权重和所述第二电力负荷数据对应的第二权重根据对所述损失函数进行拟合得到。
[0025]可选地，所述第一权重与所述当前时刻对应的标准差呈负相关，所述第二权重与所述当前时刻对应的标准差呈正相关。
[0026]本专利技术的第二方面提供一种电力负荷估计系统，包括：
[0027]负荷获取模块，用于获取当前时刻的电力负荷数据；
[0028]标准分计算模块，用于从数据库中查找与所述当前时刻对应的特征值，并根据所述当前时刻对应的特征值对所述电力负荷数据进行标准化处理，得到所述当前时刻的标准分；其中，所述数据库中存储有不同时刻的特征值，所述特征值根据预设周期内历史电力负荷数据的分布特征提取得到；
[0029]标准分预测模块，用于根据基于所述当前时刻的标准分构建的预测模型预测下一时刻的标准分；
[0030]第一预测模块，用于从所述数据库中查找与所述下一时刻对应的特征值，并根据所述下一时刻对应的特征值以及所述下一时刻的标准分预测所述下一时刻的第一电力负荷数据；
[0031]第二预测模块，用于根据所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据预测所述下一时刻的第二电力负荷数据；
[0032]负荷估计模块，用于根据所述第一电力负荷数据和所述第二电力负荷数据估计所
述下一时刻的电力负荷数据；
[0033]其中，所述预测模型的参数根据对损失函数进行拟合得到，所述损失函数根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立。
[0034]可选地，所述第二预测模块具体用于对所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据进行加权求和，得到所述下一时刻的第二电力负荷数据；其中，所述当前时刻的电力负荷数据对应的权重以及所述当前时刻之前的历史电力负荷数据对应的权重根据对所述损失函数进行拟合得到。
[0035]可选地，所述预测模型基于所述当前时刻的标准分以及所述当前时刻的标准分的至少一阶导数构建。
[0036]可选地，所述损失函数f
loss
根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立，具体包括：
[0037][0038]其中，MASE_1为估计得到的样本电力负荷数据与对应的真实电力负荷数据的平均绝对误差，MASE_2为前一周期的历史电力负荷数据与当前周期在相同时刻的真实电力负荷数据的平均绝对误差。
[0039]可选地，所述预设周期内的历史电力负荷数据满足高斯分布，所述特征值包括均值和标准差。
[0040]可选地，所述负荷估计模块具体用于对所述第一电力负荷数据和所述第二电力负荷数据进行加权求和，得到所述下一时刻的电力负荷数据；其中，所述第一电力负荷数据对应的第一权重和所述第二电力负荷数据对应的第二权重根据对所述损失函数进行拟合得到。
[0041]可选地，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力负荷估计方法，其特征在于，包括以下步骤：获取当前时刻的电力负荷数据；从数据库中查找与所述当前时刻对应的特征值，并根据所述当前时刻对应的特征值对所述电力负荷数据进行标准化处理，得到所述当前时刻的标准分；其中，所述数据库中存储有不同时刻的特征值，所述特征值根据预设周期内历史电力负荷数据的分布特征提取得到；根据基于所述当前时刻的标准分构建的预测模型预测下一时刻的标准分；从所述数据库中查找与所述下一时刻对应的特征值，并根据所述下一时刻对应的特征值以及所述下一时刻的标准分预测所述下一时刻的第一电力负荷数据；根据所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据预测所述下一时刻的第二电力负荷数据；根据所述第一电力负荷数据和所述第二电力负荷数据估计所述下一时刻的电力负荷数据；其中，所述预测模型的参数根据对损失函数进行拟合得到，所述损失函数根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立。2.如权利要求1所述的电力负荷估计方法，其特征在于，所述根据所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据预测所述下一时刻的第二电力负荷数据的步骤具体包括：对所述当前时刻的电力负荷数据以及所述当前时刻之前的历史电力负荷数据进行加权求和，得到所述下一时刻的第二电力负荷数据；其中，所述当前时刻的电力负荷数据对应的权重以及所述当前时刻之前的历史电力负荷数据对应的权重根据对所述损失函数进行拟合得到。3.如权利要求1所述的电力负荷估计方法，其特征在于，所述预测模型基于所述当前时刻的标准分以及所述当前时刻的标准分的至少一阶导数构建。4.如权利要求1所述的电力负荷估计方法，其特征在于，所述损失函数f
loss
根据估计得到的样本电力负荷数据以及对应的真实电力负荷数据建立，具体包括：其中，MASE_1为估计得到的样本电力负荷数据与对应的真实电力负荷数据的平均绝对误差，MASE_2为前一周期的历史电力负荷数据与当前周期在相同时刻的真实电力负荷数据的平均绝对误差。5.如权利要求1
‑
4中任一项所述的电力负荷估计方法，其特征在于，所述预设周期内的历史电力负荷数据满足高斯分布...

【专利技术属性】
技术研发人员：丁鹏，吴炜坤，周国鹏，陈晓华，顾单飞，郝平超，宋佩，严晓，赵恩海，江铭臣，
申请(专利权)人：上海玫克生储能科技有限公司，
类型：发明
国别省市：