【技术实现步骤摘要】
本专利技术涉及电力预测，尤其涉及一种电力负荷预测方法、装置、电子设备及存储介质。
技术介绍
1、电力负荷预测是电力市场能量管理系统的重要组成部分，电力负荷预测是针对负荷随机性和不确定性的特点，充分研究和利用现有历史数据，建立一套符合历史数据连续性、周期性等特点的数学模型，在满足较高精度的意义上，确定未来几小时、一天或几天的电力负荷。因此，电力负荷预测是电力系统安全、经济运行的有效保障，也是市场环境中编排调度计划、供电计划、交易计划的基础。提高电力负荷预测的预测精度，有利于电力系统安全稳定运行，有利于减少电力运行成本，有利于协调发电、输电与用电关系，提升电力企业效益。
2、然而，对于不同的地域/地区，由于存在不同的自然环境和社会环境因素，使得不同地域/地区无法共用同一个电力负荷预测方法，这对于包含有多个不同地域/地区的城市来说，更加无法适用同一个电力负荷预测方法，从而无法快速预测出包含有多个不同地域/地区的城市的电力负荷数据。
技术实现思路
1、本专利技术实施例的目的是提供一种电力负荷预测方法、装置、电子设备及存储介质，以解决无法快速预测出包含有多个不同地域/地区的城市的电力负荷数据的技术问题。
2、第一方面，本专利技术实施例提供了一种电力负荷预测方法，包括：
3、获取目标城市中每个区域对应的历史电力负荷数据和历史电力负荷参数数据，所述历史电力负荷参数数据为与所述历史电力负荷数据存在相关性的参数数据；
4、根据每个所述区域对应的历史电力
5、根据每个所述区域的所述第一关系，确定所述目标城市对应的不同时间段与电力负荷参数数据之间的第三关系，根据每个所述区域的所述第二关系，确定所述目标城市对应的电力负荷参数数据与电力负荷数据之间的第四关系；
6、基于所述第三关系和所述第四关系，确定在目标时间段内所述目标城市的目标电力负荷数据。
7、在一些实施例中，所述历史电力负荷参数数据包括历史气温数据和历史人口数量数据；
8、所述根据每个所述区域对应的历史电力负荷数据和历史电力负荷参数数据，确定每个所述区域对应的不同时间段与电力负荷参数数据之间的第一关系，以及每个所述区域对应的电力负荷参数数据与电力负荷数据之间的第二关系的步骤，包括：
9、将不同时间段内每个所述区域对应的历史气温数据和历史人口数量数据作为第一训练集，对第一待训练预测模型进行训练直至收敛，得到每个所述区域对应的第一预测模型，所述第一预测模型用于学习不同时间段与每个所述区域对应的气温数据和人口数量数据之间的第一关系；
10、将每个所述区域对应的历史气温数据、历史人口数量数据，以及历史电力负荷数据作为第二训练集，对第二待训练预测模型进行训练直至收敛，得到每个所述区域对应的第二预测模型，所述第二预测模型用于学习每个所述区域对应的气温数据和人口数量数据与电力负荷数据之间的第二关系。
11、在一些实施例中，所述根据每个所述区域的所述第一关系，确定所述目标城市对应的不同时间段与电力负荷参数数据之间的第三关系，根据每个所述区域的所述第二关系，确定所述目标城市对应的电力负荷参数数据与电力负荷数据之间的第四关系的步骤，包括：
12、通过所有所述区域的所述第一预测模型，对所述目标城市的第三待训练预测模型进行联合学习训练直至收敛，得到所述目标城市对应的第三预测模型，所述第三预测模型用于学习所述目标城市对应的不同时间段，与气温数据和人口数量数据之间的第三关系；
13、通过所有所述区域的所述第二预测模型，对所述目标城市的第四待训练预测模型进行联合学习训练直至收敛，得到所述目标城市对应的第四预测模型，所述第四预测模型用于学习所述目标城市对应的气温数据和人口数量数据，与电力负荷数据之间的第四关系。
14、在一些实施例中，所述基于所述第三关系和所述第四关系，确定在目标时间段内所述目标城市的目标电力负荷数据的步骤，包括：
15、调用所述第三预测模型，确定在目标时间段内所述目标城市的目标气温数据和目标人口数量数据；
16、调用所述第四预测模型，确定所述目标城市在所述目标气温数据和目标人口数量数据的情况下对应的目标电力负荷数据。
17、在一些实施例中，所述将不同时间段内每个所述区域对应的历史气温数据和历史人口数量数据作为第一训练集，对第一待训练预测模型进行训练直至收敛，得到每个所述区域对应的第一预测模型的步骤，包括：
18、将不同时间段内每个所述区域对应的历史气温数据和历史人口数量数据作为第一训练集，将所有所述区域共享的气温数据和人口数量数据作为第三训练集，采用所述第一训练集和所述第三训练集对第一待训练预测模型进行训练直至收敛，得到每个所述区域对应的第一预测模型；
19、将每个所述区域对应的历史气温数据、历史人口数量数据，以及历史电力负荷数据作为第二训练集，对第二待训练预测模型进行训练直至收敛，得到每个所述区域对应的第二预测模型的步骤，包括：
20、将每个所述区域对应的历史气温数据、历史人口数量数据，以及历史电力负荷数据作为第二训练集，将所有所述区域共享的气温数据、人口数量数据以及电力负荷数据作为第四训练集，采用所述第二训练集和所述第四训练集对第二待训练预测模型进行训练直至收敛，得到每个所述区域对应的第二预测模型。
21、在一些实施例中，所述通过所有所述区域的所述第一预测模型，对所述目标城市的第三待训练预测模型进行联合学习训练直至收敛，得到所述目标城市对应的第三预测模型的步骤，包括：
22、确定每个所述区域的所述第一预测模型与第三待训练预测模型之间的第一模型差异参数；
23、根据所述第一模型差异参数和每个所述第一预测模型的第一模型参数，确定所述第三待训练预测模型的第二模型参数；
24、基于所述第三待训练预测模型和所述第二模型参数，构建所述目标城市对应的第三预测模型；
25、所述通过所有所述区域的所述第二预测模型，对所述目标城市的第四待训练预测模型进行联合学习训练直至收敛，得到所述目标城市对应的第四预测模型的步骤，包括：
26、确定每个所述区域的所述第二预测模型与第四待训练预测模型之间的第二模型差异参数；
27、根据所述第二模型差异参数和每个所述第二预测模型的第三模型参数，确定所述第四待训练预测模型的第四模型参数；
28、基于所述第四待训练预测模型和所述第四模型参数，构建所述目标城市对应的第四预测模型。
29、在一些实施例中，在所述根据所述第一模型差异参数和每个所述第一预测模型的第一模型参数，确定所述第三待训练预测模型的第二模型参数的步骤之前，所述方法还包括：
30、根据每个所述第一预测模型的第一模本文档来自技高网...
【技术保护点】
1.一种电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述历史电力负荷参数数据包括历史气温数据和历史人口数量数据；
3.如权利要求2所述的方法，其特征在于，所述根据每个所述区域的所述第一关系，确定所述目标城市对应的不同时间段与电力负荷参数数据之间的第三关系，根据每个所述区域的所述第二关系，确定所述目标城市对应的电力负荷参数数据与电力负荷数据之间的第四关系的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述第三关系和所述第四关系，确定在目标时间段内所述目标城市的目标电力负荷数据的步骤，包括：
5.如权利要求2所述的方法，其特征在于，所述将不同时间段内每个所述区域对应的历史气温数据和历史人口数量数据作为第一训练集，对第一待训练预测模型进行训练直至收敛，得到每个所述区域对应的第一预测模型的步骤，包括：
6.如权利要求3所述的方法，其特征在于，所述通过所有所述区域的所述第一预测模型，对所述目标城市的第三待训练预测模型进行联合学习训练直至收敛，得到所述目标城市对应的第三预测模型的步骤
7.如权利要求6所述的方法，其特征在于，在所述根据所述第一模型差异参数和每个所述第一预测模型的第一模型参数，确定所述第三待训练预测模型的第二模型参数的步骤之前，所述方法还包括：
8.一种电力负荷预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种电力负荷预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述历史电力负荷参数数据包括历史气温数据和历史人口数量数据；
3.如权利要求2所述的方法，其特征在于，所述根据每个所述区域的所述第一关系，确定所述目标城市对应的不同时间段与电力负荷参数数据之间的第三关系，根据每个所述区域的所述第二关系，确定所述目标城市对应的电力负荷参数数据与电力负荷数据之间的第四关系的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述第三关系和所述第四关系，确定在目标时间段内所述目标城市的目标电力负荷数据的步骤，包括：
5.如权利要求2所述的方法，其特征在于，所述将不同时间段内每个所述区域对应的历史气温数据和历史人口数量数据作为第一训练集，对第一待训练预测模型进行训练直至收敛，得到每个所述区域对应的第一预测模型的步骤，包括：
...
【专利技术属性】
技术研发人员：金波，杨庭，陈闻，刘青，潘恒，陶雪娜，艾司海，夏正焱，胡木生，易阳，漆启华，王敏，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
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。