[发明专利]一种电力负荷预测方法、系统、计算机设备、介质

说明书

本发明提供一种电力负荷预测方法，包括：获取电力负荷随时间变化的历史序列数据；利用所述历史序列数据，建立电力预测ARIMA模型；利用所述电力预测ARIMA模型，预测指定时间段的电力负荷。本发明采用ARIMA模型进行电力负荷的预测，而且采用的电力负荷的历史序列数据是真实的电力符合数据，其中已经包含了各种因素，例如气象因素、经济因素、气温等对电力负荷的影响，而这些因素一般地在整体上具有周期性，因此，利用这些因素的周期性，比较精确地预测某个指定时间段电力负荷值。本发明提供的一种电力负荷预测系统、计算机设备、介质也具有上述的有益效果，在此不再赘述。

技术领域

本发明涉及电力负荷平衡配置技术领域，特别涉及一种电力负荷预测方法、系统、计算机设备、介质。

背景技术

电力负荷的变化主要受社会生产、生活规律的支配而呈现规律性，并受到气象因素、经济因素等众多相关因素的影响，且由于一个区域的总负荷由难以计数的个体负荷组成，因此负荷中存在大量随机变化的分量。电力负荷具有较大的周期性，小时、日、年等，同时电力负荷对季节、温度、天气等是敏感的，不同的季节，不同的气候以及温度的变化都会对负荷造成明显的影响。负荷预测工作的关键在于收集大量的历史数据，以历史数据为基础，进行大量试验性研究，建立科学有效的预测模型，并不断修正模型和算法，以期真正反映负荷变化规律。

二十世纪以来提出的回归法、时间序列法、指数平滑法主要基于负荷形状及函数形式对负荷特征进行研究，这些方法主要把负荷预测的不确定性归为随机性问题，并运用概率论与数理统计的方法进行处理，这类方法存在以下缺点：模型的定阶、求解、识别困难；模型的适应性不强；模型与数据不分离，建模所需数据量大，运算速度慢；精度低等。最近发展起来的灰色预测法、专家系统法、卡尔曼滤波法、小波分析法和神经网络法等负荷预测方法，除了考虑负荷形状等因素，还涉及考虑影响负荷的诸多外在因素，如天气状况、季节特征等，因而精度进一步提高。

因此，如何提供一种电力负荷预测方案，能够较为精确地预测未来一端时间的电力负荷情况，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供。其具体方案如下：

第一方面，本发明提供一种电力负荷预测方法，包括：

获取电力负荷随时间变化的历史序列数据；

利用所述历史序列数据，建立电力预测ARIMA模型；

利用所述电力预测ARIMA模型，预测指定时间段的电力负荷。

优选地，在所述获取电力负荷随时间变化的历史序列数据之后，在所述利用所述历史序列数据，建立电力预测ARIMA模型之前，还包括：

判断所述历史序列数据是否平稳；

如果否，则对所述历史序列数据进行平稳化处理。

优选地，

所述对所述历史序列数据进行平稳化处理，包括：

判断所述历史序列数据是否存在上升或下降趋势，

如果是，则对所述历史序列数据进行差分处理。

优选地，

所述对所述历史序列数据进行平稳化处理，包括：

判断所述历史序列数据是否存在异方差；

如果是，则对所述历史序列数据进行调整，直到所述历史序列数据的自相关函数值和偏相关函数值无显著的异于零。

优选地，

在利用所述历史序列数据，建立电力预测ARIMA模型之后；

在利用所述电力预测ARIMA模型，预测指定时间段的电力负荷之前，还包括：