一种基于概念漂移检测的电力负荷预测方法及系统技术方案

本申请属于电力系统负荷预测技术领域，具体涉及一种基于概念漂移检测的电力负荷预测方法及系统，包括：获取电力负荷历史数据；根据所获取的电力负荷历史数据，采用滑动时间窗口，构建电力负荷预测模型；基于所构建的电力负荷预测模型获取滑动时间窗口所在时刻的下一时刻的电力负荷预测值；捕获基于所述电力负荷预测模型进行预测时所输入的原始数据，判断基于新的滑动时间窗口的输入数据与所输入的原始数据是否属于同一分布，实现电力负荷的预测；本申请针对负荷预测中因未考虑概念漂移而无法获得较好准确性的问题，通过检测已知的数据中是否存在的概念漂移现象，提高电力负荷预测的准确性和合理性。测的准确性和合理性。测的准确性和合理性。

【技术实现步骤摘要】
一种基于概念漂移检测的电力负荷预测方法及系统


[0001]本申请属于电力系统负荷预测
，具体涉及一种基于概念漂移检测的电力负荷预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本申请相关的
技术介绍
信息，不必然构成在先技术。
[0003]电力负荷预测是根据电力负荷的已知数据推测电力负荷的未来数值，为电网企业、电网使用者等经营决策者提供可靠的依据；因此，对电力负荷预测的准确性有着很高的要求。
[0004]据专利技术人了解，在现有的电力负荷预测的过程中，大多数都是被训练一次便被用来推测未来数值，实际上电力负荷数据会以流式数据的形式存在，电力负荷与其影响因素之间的映射关系会随着用户使用习惯以及电力设备状态的变化而波动，例如：当用电者的习惯发生变化或用电设备发生了故障等情况，预测模型的准确性就会降低；当电力负荷随时间的推移发生数据的改变，电力负荷预测模型就会随时间的推移而过时，这种现象被称为概念漂移，这是电力负荷预测过程中的一个难题。

技术实现思路

[0005]为解决上述问题，针对现有技术中负荷预测无法考虑到概念漂移的现象而无法获得较好准确性的问题，本申请提出了一种基于概念漂移检测的电力负荷预测方法及系统，通过检测已知的数据中是否存在的概念漂移现象，使电力负荷的预测结果更加准确合理。
[0006]根据一些实施例，本申请的第一方案提供了一种基于概念漂移检测的电力负荷预测方法，采用如下技术方案：一种基于概念漂移检测的电力负荷预测方法，包括：获取电力负荷历史数据；根据所获取的电力负荷历史数据，采用滑动时间窗口，构建电力负荷预测模型；基于所构建的电力负荷预测模型获取滑动时间窗口所在时刻的下一时刻的电力负荷预测值；捕获基于所述电力负荷预测模型进行预测时所输入的原始数据，实现电力负荷预测过程中的概念漂移检测；其中，在概念漂移检测的过程中，判断基于新的滑动时间窗口的输入数据与所输入的基窗口中的原始数据是否属于同一分布，若是，则在电力负荷预测的过程中未发生概念漂移，继续使用已所构建的电力负荷预测模型进行电力负荷的预测；若否，则在电力负荷预测的过程中已发生概念漂移，需重新构建电力负荷预测模型进行电力负荷的预测。
[0007]作为进一步的技术限定，在获取电力负荷历史数据后，对所获取的历史数据进行数据预处理；
所述数据预处理包括缺失数据补全处理和归一化处理；所述缺失数据补全处理为利用平均相邻负载进行填充缺省处；所述归一化处理使用Min
‑
Max方法对已进行缺失数据补全处理后的数据集进行标准化，即，其中，为归一化处理后的数据，为原始数据，为最大的原始数据，为最小的原始数据。
[0008]作为进一步的技术限定，基于所获取的电力负荷历史数据得到电力负荷历史数据集，在电力负荷历史数据集上采用滑动时间窗口，以时间窗口内的当前时刻和历史时刻的电力负荷值作为所构建的电力负荷预测模型的输入序列，以滑动时间窗口所在时刻的下一时刻的电力负荷值作为预测对象，通过输入电力负荷历史数据集中的训练集进行所构建的电力负荷预测模型的迭代优化，完成所构建的电力负荷预测模型的训练。
[0009]进一步的，所述电力负荷预测模型采用长短期记忆网络（Long Short
‑
Term Memory，简称LSTM）；利用已训练好的LSTM神经网络预测模型对电力负荷历史数据集中的测试集进行预测，得到滑动时间窗口所在时刻的下一时刻的电力负荷预测值。
[0010]作为进一步的技术限定，在判断基于新的滑动时间窗口的输入数据与所输入的基窗口中的原始数据是否属于同一分布的过程中，采用K
‑
S检验，检验统计量D
n
为：,其中，为函数值的上确界，为滑动时间窗口的当前所在时刻，为新的滑动时间窗口的输入数据序列，为所输入的基窗口中的原始数据序列。
[0011]进一步的，假设，计算基于新的滑动时间窗口的输入数据与所输入的原始数据之间的累计频率的绝对差，令最大绝对差为；基于样本容量和显著性水平得到临界值；若，则发出概念漂移的预警；若，则假设不成立，基于新的滑动时间窗口的输入数据与所输入的原始数据不属于同一分布，则发出概念漂移的警报。
[0012]进一步的，当接收到概念漂移的预警时，启用临时滑动时间窗口，接收发出预警信息的数据及往后的数据，使用临时滑动时间窗口训练临时的电力负荷预测模型；当接收到概念漂移警报时，将临时的电力负荷预测模型替换原有的电力负荷预测模型，清空临时滑动时间窗口，基窗口移动至概念漂移点的下一时刻。
[0013]根据一些实施例，本申请的第二方案提供了一种基于概念漂移检测的电力负荷预测系统，采用如下技术方案：一种基于概念漂移检测的电力负荷预测系统，包括：获取模块，其被配置为获取电力负荷历史数据；建模模块，其被配置为根据所获取的电力负荷历史数据，采用滑动时间窗口，构建电力负荷预测模型；预测模块，其被配置为基于所构建的电力负荷预测模型获取滑动时间窗口所在时
刻的下一时刻的电力负荷预测值；概念漂移检测模块，其被配置为捕获基于所述电力负荷预测模型进行预测时所输入的原始数据，实现电力负荷预测过程中的概念漂移检测；其中，在概念漂移检测模块中，判断基于新的滑动时间窗口的输入数据与所输入的基窗口中的原始数据是否属于同一分布，若是，则在电力负荷预测的过程中未发生概念漂移，继续使用已所构建的电力负荷预测模型进行电力负荷的预测；若否，则在电力负荷预测的过程中已发生概念漂移，需重新构建电力负荷预测模型进行电力负荷的预测。
[0014]根据一些实施例，本申请的第三方案提供了一种计算机可读存储介质，采用如下技术方案：一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本申请第一方面所述的基于概念漂移检测的电力负荷预测方法中的步骤。
[0015]根据一些实施例，本申请的第四方案提供了一种电子设备，采用如下技术方案：一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本申请第一方面所述的基于概念漂移检测的电力负荷预测方法中的步骤。
[0016]与现有技术相比，本申请的有益效果为：本申请通过引入LSTM神经网络，充分利用LSTM网络对电力负荷数据的长期记忆性，可以根据当前状态自动调整历史信息的当前预测的贡献，避免了现有技术对负荷数据长期记忆性差的缺陷，提高了与电力负荷预测的精度；由于概念漂移现象的存在，会通过数据数值变化的形式逐步导致数据分布发生变化，不再与旧数据属于同一分布，通过引入概念漂移检测机制，通过捕获LSTM神经网络进行预测所使用的原始数据，判断新进入窗口的原始数据与旧数据是否属于同一分布，经过检测若属于同一分布，则表明当前数据与其影响因素的映射关系未发生改变，当前预测模型仍是有效的，若不属于同一分布，则说明数据与其影响因素之间的映射关系发生了改变，原有的预测模型将不再成立，此时发出警报使系统重新训练新映射关系下的预测模型替换原有模型进行预测任务，及时使预测模型适应发生变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概念漂移检测的电力负荷预测方法，其特征在于，包括：获取电力负荷历史数据；根据所获取的电力负荷历史数据，采用滑动时间窗口，构建电力负荷预测模型；基于所构建的电力负荷预测模型获取滑动时间窗口所在时刻的下一时刻的电力负荷预测值；捕获基于所述电力负荷预测模型进行预测时所输入的原始数据，实现电力负荷预测过程中的概念漂移检测；其中，在概念漂移检测的过程中，判断基于新的滑动时间窗口的输入数据与所输入的基窗口中的原始数据是否属于同一分布，若是，则在电力负荷预测的过程中未发生概念漂移，继续使用已所构建的电力负荷预测模型进行电力负荷的预测；若否，则在电力负荷预测的过程中已发生概念漂移，需重新构建电力负荷预测模型进行电力负荷的预测。2.如权利要求1中所述的一种基于概念漂移检测的电力负荷预测方法，其特征在于，在获取电力负荷历史数据后，对所获取的历史数据进行数据预处理；所述数据预处理包括缺失数据补全处理和归一化处理；所述缺失数据补全处理为利用平均相邻负载进行填充缺省处；所述归一化处理使用Min
‑
Max方法对已进行缺失数据补全处理后的数据集进行标准化，即，其中，为归一化处理后的数据，为原始数据，为最大的原始数据，为最小的原始数据。3.如权利要求1中所述的一种基于概念漂移检测的电力负荷预测方法，其特征在于，基于所获取的电力负荷历史数据得到电力负荷历史数据集，在电力负荷历史数据集上采用滑动时间窗口，以时间窗口内的当前时刻和历史时刻的电力负荷值作为所构建的电力负荷预测模型的输入序列，以滑动时间窗口所在时刻的下一时刻的电力负荷值作为预测对象，通过输入电力负荷历史数据集中的训练集进行所构建的电力负荷预测模型的迭代优化，完成所构建的电力负荷预测模型的训练。4.如权利要求3中所述的一种基于概念漂移检测的电力负荷预测方法，其特征在于，所述电力负荷预测模型采用长短期记忆网络；利用已训练好的长短期记忆网络预测模型对电力负荷历史数据集中的测试集进行预测，得到滑动时间窗口所在时刻的下一时刻的电力负荷预测值。5.如权利要求1中所述的一种基于概念漂移检测的电力负荷预测方法，其特征在于，在判断基于新的滑动时间窗口的输入数据与所输入的基窗口中的原始数据是否属于同一分布的过程中，采用K
‑
S检验，检验统计量D
n

【专利技术属性】
技术研发人员：聂秀山，林熙明，吕雪岭，刘新锋，袭肖明，刘兴波，
申请(专利权)人：水发数字产业山东有限公司，
类型：发明
国别省市：