System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力负荷预测,尤其涉及一种短期电力负荷预测方法及装置。
技术介绍
1、电力负荷预测作为电力系统规划的重要组成部分,是电网经济运行的基础。按不同的预测对象划分,电力负荷预测主要包括未来电力需求量的预测、未来用电量的预测和负荷曲线的预测。通过预测未来电力负荷的时间分布和空间分布,可以为电力规划运行提供有效的决策依据。
2、已有的电力负荷预测方法主要有基于数学统计的方法,如多元线性回归、卡尔曼滤波和指数平滑法等,这些方法虽然计算简单,计算效率高,但是对于复杂非线性系统的处理能力差、并且不适用于随机性、波动性较强的短期电力负荷预测。另一种方法是基于机器学习的电力负荷预测方法,如支持向量机、决策树、多层感知机等,这些方法虽然可以有效处理非线性问题,但面对复杂的电力系统,其对数据特征的挖掘还是略显不足。还有一种方法是基于深度学习的电力负荷预测方法,如以长短期记忆网络和门控循环单元为主的循环神经网络和基于注意力机制的神经网络模型等,然而,这些方法在处理较长序列时,也可能遭遇梯度消失或爆炸而难以很好的捕获数据之间的时间依赖性,从而导致难以获得较好的负荷预测结果。而且,目前电力负荷预测过程中,由于经常在用电高峰期出现供电不足等问题,也存在用电数据采集繁琐、处理起来耗费大量人力物力的问题。
3、如中国专利cn201911396431.3,公开日2020年04月28日,一种基于transformer结构的负荷预测方法,通过采集历史数据并存储,预处理采集的历史数据,并基于预处理后的历史数据得到训练集和测试集,建立基
技术实现思路
1、本专利技术实施例提供了一种短期电力负荷预测方法及装置,以解决目前的短期电力负荷预测方法难以实现较好的负荷预测结果的问题。
2、第一方面,本专利技术实施例提供了一种短期电力负荷预测方法,包括:
3、从数字孪生电网端获取历史负荷数据以及影响负荷的历史观测数据;
4、利用预设神经网络模型提取所述历史负荷数据和所述历史观测数据的负荷预测特征;
5、根据所述历史负荷数据和所述历史观测数据的采集时间对所述负荷预测特征进行修正,获得负荷预测时序特征;
6、基于所述负荷预测时序特征获得负荷预测结果。
7、在一种可能的实现方式中,所述根据所述历史负荷数据和所述历史观测数据的采集时间对所述负荷预测特征进行修正,获得负荷预测时序特征,包括:
8、根据所述历史负荷数据和所述历史观测数据的采集时间计算所述历史负荷数据和所述历史观测数据对应的相对位置;
9、根据所述历史负荷数据和所述历史观测数据对应的相对位置,确定所述负荷预测特征的时序权重;
10、根据所述时序权重对所述负荷预测特征进行加权求和,获得负荷预测时序特征。
11、在一种可能的实现方式中,所述根据所述历史负荷数据和所述历史观测数据的采集时间计算所述历史负荷数据和所述历史观测数据对应的相对位置,包括:
12、根据计算所述历史负荷数据和所述历史观测数据对应的相对位置;
13、其中,pi为采集时间窗口内的第i个所述历史负荷数据和第i个所述历史观测数据对应的相对位置,ti为采集时间窗口内的第i个所述历史负荷数据和第i个所述历史观测数据的采集时间,i=1,2,…k,k为采集时间窗口内的采集时间点的数量,t0为所述历史负荷数据和所述历史观测数据的采集时间窗口中的初始采集时间,t为所述历史负荷数据和所述历史观测数据的采集时间窗口长度。
14、在一种可能的实现方式中,所述根据所述时序权重对所述负荷预测特征进行加权求和,获得负荷预测时序特征,包括:
15、根据获得负荷预测时序特征;
16、其中,hi为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测时序特征,αi为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征的时序权重,xouti为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征。
17、在一种可能的实现方式中,所述基于所述负荷预测时序特征获得负荷预测结果,包括:
18、根据所述负荷预测特征和所述负荷预测时序特征进行特征筛选,获得负荷筛选特征;
19、根据所述负荷筛选特征获得负荷预测结果。
20、在一种可能的实现方式中,所述根据所述负荷预测特征和所述负荷预测时序特征进行特征筛选,获得负荷筛选特征,包括:
21、根据获得负荷筛选特征;
22、其中,xi′为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征的优化结果,xouti为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征,yi为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征进行特征筛选后的负荷筛选特征,hi为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测时序特征,w1、w2、b1、b2为可学习的参数。
23、在一种可能的实现方式中,所述根据所述负荷筛选特征获得负荷预测结果,包括:
24、根据获得负荷预测结果;
25、其中,为负荷预测结果,yi为采集时间窗口内的第i个历史负荷数据和第i个历史观测数据对应的负荷预测特征进行特征筛选后的负荷筛选特征,w3、b3为可学习的参数,i=1,2,…n,n为进行特征筛选后的负荷筛选特征的数量。
26、在一种可能的实现方式中,在基于所述负荷预测时序特征获得负荷预测结果之后,还包括:
27、根据平均绝对百分比误差和均方根误差确定所述负荷预测结果的性能。
28、第二方面,本专利技术实施例提供了一种短期电力负荷预测装置,包括:
29、获取模块,用于从数字孪生电网端获取历史负荷数据以及影响负荷的历史观测数据;
30、第一处理模块,用于利用预设神经网络模型提取所述历史负荷数据和所述历史观测数据的负荷预测特征;
31、第二处理模块,用于根据所述历史负荷数据和所述历史观测数据的采集时间对所述负荷预测特征进行修正,获得负荷预测时序特征;
32、第三处理模块,用于基于所述负荷预测时序特征获得负荷预测结果。
33、在一种可能的实现方式中,所述第二处理模块,具体用于:
34、根据所述历史负荷数据和所述历史观测数据的采集时间计算所述历史负荷数据和所述历史观测数据对应的相对位置;本文档来自技高网...
【技术保护点】
1.一种短期电力负荷预测方法,其特征在于,包括:
2.根据权利要求1所述的短期电力负荷预测方法,其特征在于,所述根据所述历史负荷数据和所述历史观测数据的采集时间对所述负荷预测特征进行修正,获得负荷预测时序特征,包括:
3.根据权利要求2所述的短期电力负荷预测方法,其特征在于,所述根据所述历史负荷数据和所述历史观测数据的采集时间计算所述历史负荷数据和所述历史观测数据对应的相对位置,包括:
4.根据权利要求2所述的短期电力负荷预测方法,其特征在于,所述根据所述时序权重对所述负荷预测特征进行加权求和,获得负荷预测时序特征,包括:
5.根据权利要求1所述的短期电力负荷预测方法,其特征在于,所述基于所述负荷预测时序特征获得负荷预测结果,包括:
6.根据权利要求5所述的短期电力负荷预测方法,其特征在于,所述根据所述负荷预测特征和所述负荷预测时序特征进行特征筛选,获得负荷筛选特征,包括:
7.根据权利要求5所述的短期电力负荷预测方法,其特征在于,所述根据所述负荷筛选特征获得负荷预测结果,包括:
8.根据权利要求
9.一种短期电力负荷预测装置,其特征在于,包括:
10.根据权利要求9所述的短期电力负荷预测装置,其特征在于,所述第二处理模块,具体用于:
...【技术特征摘要】
1.一种短期电力负荷预测方法,其特征在于,包括:
2.根据权利要求1所述的短期电力负荷预测方法,其特征在于,所述根据所述历史负荷数据和所述历史观测数据的采集时间对所述负荷预测特征进行修正,获得负荷预测时序特征,包括:
3.根据权利要求2所述的短期电力负荷预测方法,其特征在于,所述根据所述历史负荷数据和所述历史观测数据的采集时间计算所述历史负荷数据和所述历史观测数据对应的相对位置,包括:
4.根据权利要求2所述的短期电力负荷预测方法,其特征在于,所述根据所述时序权重对所述负荷预测特征进行加权求和,获得负荷预测时序特征,包括:
5.根据权利要求1所述的短期电力负荷预测方法,其特...
【专利技术属性】
技术研发人员:冯喜春,韩璟琳,胡平,王涛,何鑫,苑鲁峰,冯涛,宋航程,
申请(专利权)人:国网河北省电力有限公司经济技术研究院,
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。