[发明专利]电采暖配电变压器负荷预测方法及装置

权利要求书

1.一种电采暖配电变压器负荷预测方法，其特征在于，包括：

采集待预测时间对应的预定历史时间段内的样本数据；

采用组合预测模型，对所述预定历史时间段内的样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的负荷预测数据，其中，所述组合预测模型为集成经验模态分解EEMD预测模型和反向传播BP神经网络预测模型的组合，其中，所述EEMD预测模型和所述BP神经网络预测模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：历史时间内的历史数据和在该历史时间段之后预测时间的所述电采暖配电变压器的负荷预测数据。

2.根据权利要求1所述的方法，其特征在于，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据包括：

根据预定日期的天气变化指数，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据，其中，所述样本数据根据所述天气变化指数分为正常天气样本数据和突变天气样本数据。

3.根据权利要求2所述的方法，其特征在于，在根据所述预定日期的所述天气变化指数，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据之前，还包括：

通过以下方式，确定所述天气变化指数E：

其中，P₁，P₂为所述预定日期上午、下午预定个数时间点的负荷累加值。

4.根据权利要求1所述的方法，其特征在于，采用所述组合预测模型，对所述预定历史时间段内的所述样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的所述负荷预测数据包括：

在所述样本数据为正常天气样本数据的情况下，获取所述正常天气样本数据对应的日平均温度和日期类型；基于获取的所述正常天气样本数据对应的日平均温度和日期类型，采用所述组合预测模型，对所述预定历史时间段内的所述正常天气样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的所述负荷预测数据，其中，所述正常天气样本数据对应的正常天气包括以下至少之一：晴天，阴天，雨天，雪天，所述日期类型包括：工作日或者休息日；

和/或，

在所述样本数据为突变天气样本数据的情况下，获取所述突变天气样本数据对应的日最低温度和天气变化指数；基于获取的所述突变天气样本数据对应的日最低温度和天气变化指数，采用所述组合预测模型，对所述预定历史时间段内的所述突变天气样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的所述负荷预测数据。

5.根据权利要求1至4中任一项所述的方法，其特征在于，在采用所述组合预测模型，对所述预定历史时间段内的所述样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的所述负荷预测数据之后，还包括：

对得到的所述负荷预测数据进行误差处理，得到误差结果，其中，所述误差结果包括以下至少之一：均方根误差RMSE，平均绝对百分比误差MAPE，绝对百分误差AE，最大相对误差e_max。

6.一种电采暖配电变压器负荷预测装置，其特征在于，包括：

采集模块，用于采集待预测时间对应的预定历史时间段内的样本数据；

得到模块，用于采用组合预测模型，对所述预定历史时间段内的样本数据进行预测得到所述待预测时间的所述电采暖配电变压器的负荷预测数据，其中，所述组合预测模型为集成经验模态分解EEMD预测模型和反向传播BP神经网络预测模型的组合，其中，所述EEMD预测模型和所述BP神经网络预测模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：历史时间内的历史数据和在该历史时间段之后预测时间的所述电采暖配电变压器的负荷预测数据。

7.根据权利要求6所述的装置，其特征在于，所述采集模块包括：

采集单元，用于根据预定日期的天气变化指数，采集所述待预测时间对应的所述预定历史时间段内的所述样本数据，其中，所述样本数据根据所述天气变化指数分为正常天气样本数据和突变天气样本数据。