一种园区电力负荷预测方法及系统技术方案

本发明专利技术属于电力系统技术领域，公开一种园区电力负荷预测方法，包括：获取园区历史运行数据，所述园区历史运行数据包括园区历史用电负荷数据；接收电力负荷预测请求，并对所述电力负荷预测请求进行分析，得到电力负荷预测指令；根据所述电力负荷预测指令，从预先配置的电力预测模型池中调用与所述电力负荷指令相匹配的电力预测模型，其中，所述电力预测模型池包括多个不同负荷预测神经网络生成的电力预测模型；根据电力预测模型对所述历史运行数据进行分析，得到后一天的园区电力负荷预测结果。本发明专利技术避免了通过人工更改代码的麻烦和时间，提高了预测时的泛化能力，可实现高效负荷预测，提高了用户体验感。提高了用户体验感。提高了用户体验感。

【技术实现步骤摘要】
一种园区电力负荷预测方法及系统


[0001]本专利技术涉及电力系统
，特别涉及一种园区电力负荷预测方法及系统。

技术介绍

[0002]园区电力负荷预测是指对一个园区未来一端时间内的用电负荷进行预测和规划，以便园区能够更加高效地管理和利用能源资源，降低能源成本，提高能源利用效率。在进行园区电力负荷预测时，日负荷预测作为一个短期负荷预测，对于电力系统调度、安排日发电计划等意义重大，也是目前电力系统负荷预测的研究重点。
[0003]目前，日负荷预测的主要方法是通过人工神经网络进行预测，如，BP神经网络、ELMAN神经网络、RBF神经网络等，但是，这些神经网络各有特点，适用于不同的实际情况，因此，进行负荷预测时，根据实际预测需要不同，而需要不断的更改神经网络，然而，更改神经神经网络往往通过人工更改代码来完成这个过程比较耗时耗力，导致了在负荷预测时因用户准确度要求、时间要求等的不同导致泛化能力弱，不能高效进行负荷预测。

技术实现思路

[0004]本专利技术实施例提供了一种园区电力负荷预测方法及系统，以解决现有技术中的上述技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种园区电力负荷预测方法，其特征在于，包括：获取园区历史运行数据，所述园区历史运行数据包括园区历史用电负荷数据；接收电力负荷预测请求，并对所述电力负荷预测请求进行分析，得到电力负荷预测指令；根据所述电力负荷预测指令，从预先配置的电力预测模型池中调用与所述电力负荷指令相匹配的电力预测模型，其中，所述电力预测模型池包括多个不同负荷预测神经网络生成的电力预测模型；根据电力预测模型对所述历史运行数据进行分析，得到后一天的园区电力负荷预测结果。2.根据权利要求1所述的园区电力负荷预测方法，其特征在于，获取园区历史运行数据包括：预先配置数据模板，并根据所述数据模板，采用固定数据形式进行历史运行数据的录入，得到园区历史运行数据。3.根据权利要求1所述的园区电力负荷预测方法，其特征在于，所述园区历史运行数据还包括：与所述园区历史用电负荷数据对应的时间数据，和/或与所述园区历史用电负荷数据对应的影响因素数据；所述影响因素数据包括以下至少之一：气象因素数据、节假日类型因素数据、社会因素数据、政治经济发展因素数据。4.根据权利要求1所述的园区电力负荷预测方法，其特征在于，包括：预先配置电力预测模型池，且预先配置电力预测模型池包括：配置多个负荷预测神经网络，根据所述园区历史运行数据，对每个负荷预测神经网络进行训练，得到对应的电力预测模型；为每个负荷预测神经网络生成网络唯一标识，并将所述网络唯一标识与对应的所述负荷预测神经网络及电力预测模型进行绑定，形成模型组；根据多个模型组，构建电力预测模型池。5.根据权利要求4所述的园区电力负荷预测方法，其特征在于，根据所述电力负荷预测指令，从预先配置的电力预测模型池中调用与所述电力负荷指令相匹配的电力预测模型包括：获取所述电力负荷预测指令内包含的网络唯一标识及与网络唯一标识对应的调整参数信息；根据所述网络唯一标识，从所述电力预测模型池内调取对应的负荷预测神经网络及电力预测模型；根据所述调整参数信息，基于所述负荷预测神经网络对所述电力预测模型进行重构，得到对应的电力预测模型。6.根据权利要求5所述的园区电力负荷预测方法，其特征在于，所述负荷预测神经网络包括：BP神经网络...

【专利技术属性】
技术研发人员：王月缤，王洪涛，温鹏远，
申请(专利权)人：吉林智碳科技股份有限公司，
类型：发明
国别省市：