[发明专利]母线负荷预测方法、装置、计算机设备及存储介质

权利要求书

1.一种母线负荷预测方法，其特征在于，包括：

获取母线的历史负荷数据及关联特征的历史数据；

根据所述关联特征的历史数据及所述母线的历史负荷数据，计算得到关联特征的重要度；

根据所述关联特征的重要度，对所述关联特征进行筛选，得到筛选后的关联特征；

构建深度置信网络模型；

根据所述母线的历史负荷数据及所述筛选后的关联特征的历史数据，对深度置信网络模型进行预训练，得到训练后的深度置信网络模型；其中，深度置信网络模型包括两个隐含层，每个隐含层包含20个节点，迭代次数为60代；

将所述训练后的深度置信网络模型进行反向传播算法处理，得到母线负荷预测模型；

获取筛选后的关联特征的预测数据；

根据所述筛选后的关联特征的预测数据及所述母线负荷预测模型，得到母线的预测负荷数据；

根据所述预测负荷数据对所述母线进行控制；其中，对 所述母线进行控制包括：切换母线负荷、调整母线负荷以及调整母线连接方式；

所述根据所述关联特征的历史数据及所述母线的历史负荷数据，计算得到关联特征的重要度的步骤，包括：

对所述关联特征的历史数据及所述母线的历史负荷数据进行随机森林算法处理，得到关联特征的重要度；或，

对所述关联特征的历史数据及所述母线的历史负荷数据进行相关系数分析法处理，得到关联特征的重要度。

2.根据权利要求1所述的母线负荷预测方法，其特征在于，所述将所述训练后的深度置信网络模型进行反向传播算法处理，得到所述母线负荷预测模型的步骤，包括：

根据反向传播神经网络，对所述训练后的深度置信网络模型的参数进行调节，得到所述母线负荷预测模型。

3.根据权利要求1所述的母线负荷预测方法，其特征在于，所述关联特征包括气象特征、历史负荷特征及时间特征中的至少一项。

4.根据权利要求1所述的母线负荷预测方法，其特征在于，在所述得到母线的预测负荷数据的步骤之后，还包括：

获取母线负荷的实际数据；

根据所述母线负荷的实际数据及所述母线的预测负荷数据，计算得到母线负荷预测精度值。

5.一种母线负荷预测装置，其特征在于，包括：

第一获取模块，用于获取母线的历史负荷数据及关联特征的历史数据；

重要度计算模块，用于根据所述关联特征的历史数据及所述母线的历史负荷数据，计算得到关联特征的重要度；

筛选模块，用于根据所述关联特征的重要度，对所述关联特征进行筛选，得到筛选后的关联特征；

预测模型获取模块，用于构建深度置信网络模型；根据所述母线的历史负荷数据及所述筛选后的关联特征的历史数据，对深度置信网络模型进行预训练，得到训练后的深度置信网络模型；其中，深度置信网络模型包括两个隐含层，每个隐含层包含20个节点，迭代次数为60代；将所述训练后的深度置信网络模型进行反向传播算法处理，得到母线负荷预测模型；

第二获取模块，用于获取筛选后的关联特征的预测数据；

预测模块，用于根据所述筛选后的关联特征的预测数据及所述母线负荷预测模型，得到母线的预测负荷数据；

控制模块，用于根据所述预测负荷数据对所述母线进行控制；其中，对 所述母线进行控制包括：切换母线负荷、调整母线负荷以及调整母线连接方式；

所述重要度计算模块，还用于对所述关联特征的历史数据及所述母线的历史负荷数据进行随机森林算法处理，得到关联特征的重要度；或，

对所述关联特征的历史数据及所述母线的历史负荷数据进行相关系数分析法处理，得到关联特征的重要度。

6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。