[发明专利]一种电力负荷预测方法、装置、设备及系统

权利要求书

1.一种电力负荷预测方法，包括：

对历史电力负荷数据进行处理，确定不同变点类型，得到不同变点类型分别对应的各组历史电力负荷数据和外部相关性数据；

利用各组历史电力负荷数据和对应的外部相关性数据分别训练不同的电力负荷预测模型，得到各变点类型对应的电力负荷预测模型；

其中，对历史电力负荷数据进行处理，包括：对历史电力负荷数据进行处理，得到根据突变高点类型、突变低点类型和常规变点类型进行分类的历史电力负荷数据和对应的外部相关性数据；所述突变高点类型为电力负荷的峰值和峰值周围的电力负荷值，所述突变低点类型为电力负荷的谷值，所述常规变点类型为介于所述突变高点与所述突变低点之间的变点类型。

2.如权利要求1所述的电力负荷预测方法，基于如下一种方法或多种方法的组合，执行所述对历史电力负荷数据进行处理的步骤：

统计法；

频谱分析法；

分类法；

聚类分析法。

3.如权利要求1所述的电力负荷预测方法，在对历史电力负荷数据进行处理之前，还包括：

对所述历史电力负荷数据进行数据预处理；

对历史电力负荷数据进行处理，包括：

对预处理的历史电力负荷数据进行处理。

4.如权利要求3所述的电力负荷预测方法，在对所述历史电力负荷数据进行数据预处理之前，还包括：

对所述历史电力负荷数据进行数据清洗；

对所述历史电力负荷数据进行数据预处理，包括：

对清洗后的所述历史电力负荷数据进行数据预处理。

5.如权利要求1所述的电力负荷预测方法，所述电力负荷预测模型包括如下一种或多种的组合：

长短时记忆-反馈神经网络模型；

线性回归模型；

随机森林模型；

梯度提升模型；

支持向量机。

6.一种电力负荷预测方法，包括：

基于变点类型与外部相关性数据之间的对应关系，对预测时间段内的外部相关性数据进行处理，确定至少一种变点类型对应的外部相关性数据；

利用所述至少一种变点类型对应的电力负荷预测模型对同一变点类型对应的外部相关性数据和指定时间段内的电力负荷数据进行处理，得到至少一组预测时间段内的电力负荷预测值，所述至少一种变点类型对应的电力负荷预测模型利用如权利要求1至5中任一项所述的方法训练得到，所述电力负荷预测模型为利用同一变点类型对应的历史电力负荷数据和外部相关性数据训练得到。

7.如权利要求6所述的电力负荷预测方法，还包括：

根据所述至少一组预测时间段内的电力负荷预测值，确定所述预测时间段内的电力负荷预测数据。

8.如权利要求6所述的电力负荷预测方法，对预测时间段内的外部相关性数据进行处理，确定至少一种变点类型对应的外部相关性数据，包括：

对预测时间段内的外部相关性数据进行处理，确定突变高点类型、突变低点类型和常规变点类型中的至少一种变点类型及对应的外部相关性数据。

9.如权利要求8所述的电力负荷预测方法，对预测时间段内的外部相关性数据进行处理，确定至少一种变点类型对应的外部相关性数据，包括：

当检测到满足预设条件的至少一项外部相关性数据，则对预测时间段内的外部相关性数据进行处理，确定至少一种变点类型对应的外部相关性数据。

10.如权利要求9所述的电力负荷预测方法，检测到满足预设条件的至少一项外部相关性数据，包括如下至少一种：

检测到所述至少一项外部相关性数据高于预设值；

检测到所述至少一项外部相关性数据更新。