[发明专利]电网负荷预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种电网负荷预测方法、装置、计算机设备和存储介质。所述方法包括：获取电网的历史数据；获取所述历史数据中的异常值，并对所述异常值进行修复；根据日期特征模型，选取待预测日的相似日；根据所述相似日的历史数据建立预测模型；根据所述预测模型生成待预测日的预测电网负荷。利用多种预测模型对待预测日进行预测，得到待预测日的预测电网负荷。多种预测模型能够提高数据的覆盖率，进一步的提升电网负荷预测的准确率。

技术领域

本申请涉及电力供应技术领域，特别是涉及一种电网负荷预测方法、装置、计算机设备和存储介质。

背景技术

电网负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量或用电量。电力负荷预测是电力部门的重要工作之一，准确的负荷预测，可以经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，减少不必要的旋转储备容量，合理安排机组检修计划，保障社会的正常生产和生活，有效地降低发电成本，提高经济效益和社会效益。

目前的传统技术中，电网短期负荷预测已经存在很多种算法，常见的包括：时间序列、神经网络、支持向量机、多元线性回归等算法，还有可能存在遗传算法、粒子群优化来做短期负荷预测的。但这些算法都只能针对片面的数据，也就是只能针对某一特定的数据进行预测。传统的预测算法所用到的数据不够全面，数据覆盖率低，进一步的导致预测的准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高数据覆盖率进一步提升预测准确率的电网负荷预测方法、装置、计算机设备和存储介质。

一种电网负荷预测方法，所述方法包括：获取电网的历史数据；获取所述历史数据中的异常值，并对所述异常值进行修复；根据日期特征模型，选取待预测日的相似日；根据所述相似日的历史数据建立预测模型；根据所述预测模型生成待预测日的预测电网负荷。

在其中一个实施例中，所述获取所述历史数据中的异常值，并对所述异常值进行修复包括：所述历史数据包括：历史电网负荷数据以及历史气象数据；获取历史电网负荷数据以及历史气象数据；获取所述历史电网负荷数据中的电网负荷异常值，并对所述电网负荷异常值进行修复；获取所述历史气象数据中的气象异常值，并对所述气象异常值进行修复。

在其中一个实施例中，所述对所述异常值进行修复包括：获取历史数据每一日中不同种类的异常值个数占相应日期相应种类数据总个数的比例；若所述比例大于预设比例，则利用历年相应日期的相应数据与相应日期前一天的相应数据的均值，修复所述异常值；若所述比例小于等于预设比例，则获取与相应日期相似度最高的三个日期的相应数据，并计算三个日期相应数据的均值，修复所述异常值。

在其中一个实施例中，所述修复所述异常值之后还包括：判断是否还存在异常值，若存在，则利用线性插值法再次进行修复。

在其中一个实施例中，所述日期特征模型包括：气象特征、时间特征、气象特征对应的映射值以及时间特征对应的映射值；所述气象特征包括：最高温度、最低温度以及湿度；所述时间特征包括：日期特征以及日期差值。

在其中一个实施例中，所述选取待预测日的相似日包括：对所述待预测日进行分类；若待预测日为节假日，则根据节假日的相似日选取规则选取相似日；若待预测日为非节假日，则根据非节假日的相似日选取规则选取相似日。

在其中一个实施例中，所述预测模型包括：支持向量回归模型、查分自回归移动平均模型、季节指数平滑模型、指数平滑的线性回归模型、指数平滑的支持向量回归模型、广义加法模型、模糊逻辑回归模型、相似日的时间序列回归模型、相似日的时间序列分解二重组合模型以及加权组合模型中的至少一种。

在其中一个实施例中，所述根据所述预测模型生成待预测日的预测电网负荷包括：根据多种所述预测模型生成相应预测模型的初始预测电网负荷；对多种预测模型的初始预测电网负荷进行加权平均，得到最终预测电网负荷。