[发明专利]一种电网负荷预测方法和装置

说明书

本发明实施例提供了一种电网负荷预测方法和装置，其中方法包括：获取调控参数和环境参数，所述调控参数至少包括预设产品的单位时间段内的计划产量；向贝叶斯神经网络BNN模型输入待预测样本，得出负荷预测值，其中，所述待预测样本包括所述调控参数和所述环境参数，所述BNN模型的训练过程使用的训练样本包括调控参数样本和环境参数样本，所述负荷预测值为所述单位时间段内的负荷预测值。本发明实施例可以提升所述BNN模型得出的负荷预测值的准确性。

技术领域

本发明涉及电力系统负荷预测技术领域，尤其涉及一种电网负荷预测方法和装置。

背景技术

电网技术中的负荷预测是制定生产计划、停电计划等的重要依据，以避免电网负荷过剩或者欠负荷而造成能源的浪费和影响电网的稳定性。

随着当前环境的日益严峻，对于钢铁、炼铁、炼钢、水泥等产品，其生产过程中消耗的电量占部分电网的负荷的比重较大。而且这些产品在生产过程中会产生大量污染排放物，需要根据空气质量参数进行相应的调控。例如：在空气质量较好的情况下，增加钢铁、炼铁、炼钢、水泥等产品的产量，同时增加了电网的耗电量；在空气质量较差的情况下，减少钢铁、炼铁、炼钢、水泥等产品的产量，同时减少了电网的耗电量。

在相关技术中，仅将类峰值负荷、日类型、气温、风速、降水等环境参数作为BP(back propagation，反向传播)神经网络预测模型的负荷预测输入指标，以预测电网的负荷预测值。

对于钢铁、炼铁、炼钢、水泥等产品的产量的变化对于电网负荷预测值的影响，并没有提出一种有效的预测方法，从而造成预测出的电网负荷预测值不准确。

由此可知，现有技术中的负荷预测方法预测出的负荷预测值存在不准确的问题。

发明内容

本发明实施例提供一种电网负荷预测方法和装置，以解决现有技术中的负荷预测方法预测出的负荷预测值存在的不准确的问题。

为解决以上技术问题，本发明采用如下技术方案：

第一方面，本发明实施例提供了一种电网负荷预测方法，所述方法包括：

获取调控参数和环境参数，所述调控参数至少包括预设产品的单位时间段内的计划产量；

向贝叶斯神经网络BNN模型输入待预测样本，得出负荷预测值，其中，所述待预测样本包括所述调控参数和所述环境参数，所述BNN模型的训练过程使用的训练样本包括调控参数样本和环境参数样本，所述负荷预测值为所述单位时间段内的负荷预测值。

可选的，所述调控参数还包括空气质量指数。

可选的，在向BNN模型输入待预测样本，得出负荷预测值之前，所述方法还包括：

根据所述调控参数和所述环境参数，确定所述待预测样本所属的样本类型；

所述向BNN模型输入待预测样本，得出负荷预测值的步骤，包括：

向所述待预测样本所属的样本类型对应的目标BNN模型输入所述待预测样本，得出所述负荷预测值，其中，所述目标BNN模型为BNN模型集中与所述待预测样本所属的样本类型对应的BNN模型，所述BNN模型集中包括与多个样本类型分别对应的多个BNN模型。

可选的，所述待预测样本所属的样本类型通过以下方式确定：

获取历史样本集，所述历史样本集包括在历史时间段内的n个训练样本，其中，所述历史样本集包括所述训练样本集，n为大于1的整数，且每一个训练样本包括所述调控参数样本、所述环境参数样本以及实测负荷值；

采用聚类挖掘算法DKM将所述n个训练样本划分为k个聚类簇，其中， k为大于1且小于或者等于n的整数，每一个聚类簇分别包括至少一个训练样本，且每一个聚类簇分别对应一个样本类型；