【技术实现步骤摘要】
本专利技术涉及电力交易领域，尤其涉及一种统调负荷进行任意时间尺度的机器学习预测方法及系统。
技术介绍
1、目前，公知的统调负荷预测方法有多种，场景也较多，更多的应用于电网侧和发电侧，基于售电公司场景做统调负荷预测的方法较少；售电公司作为电力用户用电代理主体，天然对电力市场的价格变化敏感，而统调负荷作为需求，对供需关系的影响非常大，其波动往往能直接造成电价的波动；因此售电公司对统调负荷的变化也十分敏感；同时，售电公司本身参与电力市场交易，其无论是在中长期市场或者现货市场，如年度长协、月度中长期乃至多日和日前，都需要对宏观的统调负荷有定性和定量的感知，根据拥有的数据依据做出相应的决策判断，从而规避潜在风险。
2、常见的预测方法基本只是基于时序电量数据，最多融合一些基础的天气指标，如温湿度等，然后用传统的统计回归，或直接使用机器学习，人工神经网络等直接以数据预测数据，端到端进行负荷预测，预测结果与精度与实际偏差较大，并且传统的预测方法没有办法涵括所有的时间尺度。
3、本专利技术是真实售电公司应用场景下，基于大数据分析出...
【技术保护点】
1.一种统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，包括：
2.根据权利要求1所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，获取历史负荷、气象及经济数据，构建特征库，并筛选关键特征并进行预处理，以得到预处理后的数据，包括：
3.根据权利要求2所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，基于预处理后的数据，构建量纲分离模型并进行训练优化，以得到决策树模型，包括：
4.根据权利要求3所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，基于决策树模型，计算各特征SHAP值，对全局特征...
【技术特征摘要】
1.一种统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，包括：
2.根据权利要求1所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，获取历史负荷、气象及经济数据，构建特征库，并筛选关键特征并进行预处理，以得到预处理后的数据，包括：
3.根据权利要求2所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，基于预处理后的数据，构建量纲分离模型并进行训练优化，以得到决策树模型，包括：
4.根据权利要求3所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，基于决策树模型，计算各特征shap值，对全局特征贡献度进行分析，以得到分析结果，包括：
5.根据权利要求4所述的统调负荷进行任意时间尺度的机器学习预测方法，其特征在于，基于分析结果，进行相似日匹配与纲量融合，得到融合后的负荷预测结果，包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：甘永秋，廖泳瀚，戎欣佳，李六阳，刘云标，张睿，
申请(专利权)人：国瑞新能源广州有限公司，
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。