[发明专利]一种短期负荷预测方法

权利要求书

1.一种短期负荷预测方法，其特征在于，包括预测模型构建阶段和预测阶段，所述预测模型构建阶段包括以下步骤：

步骤1、通过聚类分析方法将历史日负荷数据分为不同的类型，并以每一类型的聚类中心作为该类型的典型日负荷数据；

步骤2、对每一个历史日负荷数据，以其所对应的日负荷数据类型相关因素的数据作为输入，以该历史日负荷数据所属类型作为期望输出，构建分类器训练集；利用所述分类器训练集对深度学习神经网络进行训练，得到日负荷分类器；

步骤3、对一日中的每个时刻，分别训练预测器，具体如下：对于该时刻所对应的每一个历史时刻负荷数据，首先根据该历史时刻负荷数据所在的历史日负荷数据所属类型确定相应的典型日负荷数据，然后以该典型日负荷数据中对应时刻的负荷数据作为该历史时刻负荷数据所对应的典型时刻负荷数据，并以该历史时刻负荷数据所对应的时刻负荷数据相关因素的数据以及该历史时刻负荷数据所对应的典型时刻负荷数据作为输入，以该历史时刻负荷数据作为期望输出，构建该时刻的预测训练集；利用该时刻的预测训练集训练一个深度学习神经网络，得到该时刻所对应的预测器；

所述预测阶段包括以下步骤：

步骤4、将待预测日的日负荷数据类型相关因素的数据输入所述日负荷分类器，得到待预测日的日负荷数据类型；

步骤5、首先根据待预测日的日负荷数据类型确定相应的典型日负荷数据，然后以该典型日负荷数据中与待预测日待预测时刻相对应时刻的负荷数据作为待预测日待预测时刻所对应的典型时刻负荷数据，将待预测日中待预测时刻的时刻负荷数据相关因素的数据以及待预测日待预测时刻所对应的典型时刻负荷数据输入与该待预测时刻相对应的预测器，预测器的输出即为待预测日中待预测时刻的预测负荷。

2.如权利要求1所述短期负荷预测方法，其特征在于，所述日负荷数据类型相关因素包括以下因素中的至少一种：星期属性、前1日的日负荷数据类型、前1日的最大负荷、上周对应日的日负荷数据类型、当日的气温、前1日的气温。

3.如权利要求1所述短期负荷预测方法，其特征在于，所述时刻负荷数据相关因素包括以下因素中的至少一种：星期属性、前1日对应时刻负荷、前1日上一时刻负荷、上周对应日的对应时刻负荷、当日的气温、前1日的气温。

4.如权利要求1所述短期负荷预测方法，其特征在于，所述聚类分析方法为k-means聚类分析方法。

5.如权利要求1所述短期负荷预测方法，其特征在于，用于训练日负荷分类器的深度学习神经网络为深度置信网络，用于训练预测器的深度学习神经网络为深度自编码器网络。

6.如权利要求1所述短期负荷预测方法，其特征在于，所述预测模型构建阶段基于Spark分布式内存计算框架实现。