一种基于电网运行数据的负载率趋势预测方法及系统技术方案

本发明专利技术公开了一种基于电网运行数据的负载率趋势预测方法及系统，涉及电力负载预测技术领域，包括创建数据集，将数据集划分为训练集和验证集；构建Prophet和GBDT模型，得到预测结果；将预测结果整理为新的数据集，训练Meta模型，得到最终的融合预测结果，并代入负载率公式计算预测负载率。本发明专利技术结合了Prophet和GBDT两个不同类型的模型，实现了模型ensemble，可以提升预测的准确性。Prophet适合捕捉时间序列的趋势和周期性模式，GBDT适合拟合复杂的非线性关系。两者结合可以使模型更加强大和通用。通过构建新的特征数据集，训练Meta模型对Prophet和GBDT的预测结果进行整合，可以学习到两个模型之间的互补信息，实现更好的预测。

【技术实现步骤摘要】

本专利技术涉及电力负载预测，特别是一种基于电网运行数据的负载率趋势预测方法及系统。

技术介绍

1、随着电力系统的发展，电力负载预测工作的重要性日益突出。准确的电力负载预测，对电网的经济运行与安全调度具有重要意义。传统的电力负载预测主要依赖于人工经验进行预测，预测结果的准确性难以保证。为提高电力负载预测的准确性，许多学者探索了各种新的预测方法。

2、目前较为常见的电力负载预测方法主要有回归分析法、时间序列法、神经网络法等。回归分析法以影响负载的各种因素建立统计模型，通过变量之间的数量关系进行预测。但这种方法对复合体的非线性关系拟合效果较差。时间序列法如arma、arima等利用时间序列本身的规律进行预测，能较好地反映负载的周期性变化规律，但对随机因素的影响考虑不足。神经网络法如bp神经网络具有自学习和自适应能力，能够拟合复杂的非线性关系，但其“黑盒”运行机制使结果难以解释。

技术实现思路

1、鉴于现有的电力负载预测中存在的问题，提出了本专利技术。

2、因此，本专利技术所要解决的问题在于传本文档来自技高网...

【技术保护点】

1.一种基于电网运行数据的负载率趋势预测方法，其特征在于：包括，

2.如权利要求1所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述Prophet模型如下式所示：

3.如权利要求2所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述周期项的傅里叶级数形式如下式所示：

4.如权利要求3所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述节假日项如下式所示：

5.如权利要求4所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述GDBT模型包括初始化学习器、计算残差、计算最佳拟合值以及更新强学习器；

...

【技术特征摘要】

1.一种基于电网运行数据的负载率趋势预测方法，其特征在于：包括，

2.如权利要求1所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述prophet模型如下式所示：

3.如权利要求2所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述周期项的傅里叶级数形式如下式所示：

4.如权利要求3所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述节假日项如下式所示：

5.如权利要求4所述的基于电网运行数据的负载率趋势预测方法，其特征在于：所述gdbt模型包括初始化学习器、计算残差、计算最佳拟合值以及更新强学习器；

6.如权利要求5所述的基于电网运行数据的负载率趋势预测方法，其特征在于：...

【专利技术属性】
技术研发人员：张敏，严涵，杨再鹤，朱余启，高道春，杜凡，莫熙，蒋迪，张凌云，陶亦然，叶华，卢欣辰，
申请(专利权)人：云南电网有限责任公司，
类型：发明
国别省市：