本申请涉及一种峰谷电价时段预测方法、装置、计算机设备、介质。该方法包括：获取在不同峰谷电价时段下的历史电网负荷数据；基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；采用遗传算法调整初始预测模型中的建模参数，直到采用初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用目标预测模型预测目标峰谷电价时段。从而能够得到使得电网负荷数据波动最小的峰谷电价时段，有利于合理的制定电网的峰谷电价时段，使得电网负荷的波动降低。降低。降低。
【技术实现步骤摘要】
峰谷电价时段预测方法、装置、计算机设备、介质
[0001]本申请涉及电网调控
，特别是涉及一种峰谷电价时段预测方法、装置、计算机设备、介质。
技术介绍
[0002]随着科技的进步，电动汽车越来越普及，而随着电动汽车的广泛应用，电动汽车充电时对电网所造成的负荷越来越重。当大量的电动汽车在用电高峰期进行充电时会导致电网的负荷过重，而过重的电网负荷会影响电网的供电质量，从而使得电网供电产生波动，反过来会影响居民的正常用电。
[0003]目前，为了解决电网供电能力的问题，通常采用扩大电网规模的方式来满足电动汽车日益增长的需求。
[0004]然而，电动汽车的充电具有较大的间歇性，通常集中在某些固定的时间进行充电，从而使得电网负荷的波动较大，在电动汽车不充电时使得电网的供电资源被浪费。而峰谷电价时段能够一定程度上影响电动汽车的充电时间。因此，如何合理的制定峰谷电价时段，降低电网负荷的波动，是目前需要解决的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够对使得电网负荷波动最小的峰谷电价时段进行预测的峰谷电价时段预测方法、装置、计算机设备、介质。
[0006]一种峰谷电价时段预测方法，所述方法包括：获取在不同峰谷电价时段下的历史电网负荷数据；基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，所述初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；采用遗传算法调整所述初始预测模型中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用所述目标预测模型预测目标峰谷电价时段。
[0007]在其中一个实施例中，所述基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，包括：将多个不同峰谷电价时段与对应的历史电网负荷数据作为训练样本，采用最小二乘法确定不同峰谷电价时段与对应的历史电网负荷数据之间的对应关系，构建所述初始预测模型。
[0008]在其中一个实施例中，所述采用遗传算法调整所述初始预测模型的中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型，包括：获取预设的适应度函数，其中，所述适应度函数包括采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值；采用遗传算法调整所述初始预测模型的中的建模参数，直到采用调整后的初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值小于预设阈值，将当前的初始预测模型作为所述目标预测模型。
[0009]在其中一个实施例中，所述采用遗传算法调整所述初始预测模型的中的建模参数，包括：基于所述建模参数，生成对应的遗传算法种群，所述种群包括多个个体；通过轮盘赌选择算法，根据各个所述个体的适应度，对所述多个个体进行筛选，得到筛选后的个体组成的第一种群；通过算数交叉算法将所述第一种群中的个体进行线性组合，得到第二种群；通过均匀变异算法调整所述第二种群中的个体的基因值，得到调整后的建模参数。
[0010]在其中一个实施例中，所述直到采用调整后的初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值小于预设阈值，将当前的初始预测模型作为所述目标预测模型，包括：基于调整后的建模参数更新所述初始预测模型；采用更新后的初始预测模型得到预测电网负荷数据；若采用更新后的初始预测模型得到的预测电网负荷数据与历史电网负荷数据的关系的适应度函数值大于或等于所述预设阈值，则重新采用遗传算法调整所述建模参数，直到采用新的初始预测模型得到的预测电网负荷数据与历史电网负荷数据的关系的适应度函数值小于预设阈值，则将当前的初始预测模型作为所述目标预测模型。
[0011]在其中一个实施例中，所述采用所述目标预测模型预测使得电网负荷数据波动最小的峰谷电价时段，包括：
[0012]在预设的峰谷电价时段约束条件下，随机生成峰谷电价时段的初始遗传算法种群，所述种群包括多个个体；分别将多个个体代入目标预测模型中，得到多个预测电网负荷数据；基于多个预测电网负荷数据，分别确定各预测电网负荷数据对应的波动；将波动值小于设定阈值的预测电网负荷数据对应的个体筛选出来作为精英个体保留；将所述精英个体采用遗传算法进行选择、交叉、变异处理，得到新的种群；将所述新的种群重新代入所述目标预测模型中，返回执行所述分别将多个个体代入目标预测模型中，得到多个预测电网负荷数据的步骤，直到返回执行的执行次数达到设定次数；将当前的波动值最小的电网负荷数据所对应的个体作为目标个体，所述目标个体包括峰谷电价时段。
[0013]在其中一个实施例中，所述预设的峰谷电价时段约束条件包括：峰谷电价时段分别在符合电网标准的峰电价时段范围和谷电价时段范围内。
[0014]一种峰谷电价时段预测装置，所述装置包括：
[0015]数据获取模块，用于获取在不同峰谷电价时段下的历史电网负荷数据；
[0016]初始模型构建模块，用于基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，所述初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；
[0017]目标模型获取模块，用于采用遗传算法调整所述初始预测模型中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；
[0018]预测模块，用于在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用所述目标预测模型预测目标峰谷电价时段。
[0019]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取在不同峰谷电价时段下的历史电网负荷数据；基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，所述初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；采用遗传算法调
整所述初始预测模型中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用所述目标预测模型预测目标峰谷电价时段。
[0020]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取在不同峰谷电价时段下的历史电网负荷数据；基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，所述初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；采用遗传算法调整所述初始预测模型中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用所述目标预测模型预测目标峰谷电价时段。
[0021]上述峰谷电价时段预测方法、装置、计算机设备、介质。通过获取在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种峰谷电价时段预测方法，其特征在于，所述方法包括：获取在不同峰谷电价时段下的历史电网负荷数据；基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，其中，所述初始预测模型包括不同峰谷电价时段与历史电网负荷数据之间的对应关系；采用遗传算法调整所述初始预测模型中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型；在预设的峰谷电价时段约束条件下，以电网负荷数据波动最小为目标，采用所述目标预测模型预测目标峰谷电价时段。2.根据权利要求1所述的方法，其特征在于，所述基于不同峰谷电价时段与对应的历史电网负荷数据，构建初始预测模型，包括：将多个不同峰谷电价时段与对应的历史电网负荷数据作为训练样本，采用最小二乘法确定不同峰谷电价时段与对应的历史电网负荷数据之间的对应关系，构建所述初始预测模型。3.根据权利要求1所述的方法，其特征在于，所述采用遗传算法调整所述初始预测模型的中的建模参数，直到采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据一致，得到目标预测模型，包括：获取预设的适应度函数，其中，所述适应度函数包括采用所述初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值；采用遗传算法调整所述初始预测模型的中的建模参数，直到采用调整后的初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值小于预设阈值，将当前的初始预测模型作为所述目标预测模型。4.根据权利要求3所述的方法，其特征在于，所述采用遗传算法调整所述初始预测模型的中的建模参数，包括：基于所述建模参数，生成对应的遗传算法种群，所述种群包括多个个体；通过轮盘赌选择算法，根据各个所述个体的适应度，对所述多个个体进行筛选，得到筛选后的个体组成的第一种群；通过算数交叉算法将所述第一种群中的个体进行线性组合，得到第二种群；通过均匀变异算法调整所述第二种群中的个体的基因值，得到调整后的建模参数。5.根据权利要求4所述的方法，其特征在于，所述直到采用调整后的初始预测模型预测得到的电网负荷数据与历史电网负荷数据的关系的适应度函数值小于预设阈值，将当前的初始预测模型作为所述目标预测模型，包括：基于调整后的建模参数更新所述初始预测模型；采用更新后的初始预测模型得到预测电网负荷数据；若采用更新后的初始预测模型得到的预测电...
【专利技术属性】
技术研发人员：李勋，葛静，高岩峰，黄鹏，
申请(专利权)人：南方电网电动汽车服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。