[发明专利]一种考虑用电需求变化趋势的电力负荷预测方法

权利要求书

1.一种考虑用电需求变化趋势的电力负荷预测方法，其特征在于，包括以下步骤：

步骤1、根据预测区域内历史用电数据进行如下处理：

根据历史用电量数据，以年度为单位，分别统计各年相同月份的用电量数据，并拟合成用电量曲线line_i，i＝1,2,…,12；

根据各月对应的用电量曲线，估计预测时所在月份的用电量数据，记为Q_i；

根据历史用电量数据确定每年度下各月中每天的用量数据分布，统计一段时间内预测时所在月份的用电量数据每天的用量数据的平均分布；

根据预测时所在月份的用电量数据每天的用量数据的平均分布，结合Q_i确定预测时所在月份中每天的用电量，记为天用电量估计值Q_id，d表示天；

步骤2、采集上一年度对应的预测区域的信息，包括预测区域的人口数量x₄、预测区域含权重的类型x₅、预测区域预测前一定时间段内的用电类型的占比x₆；

预测区域含权重的类型x₅＝ay₁+by₂+cy₃，其中y₁、y₂、y₃分别表示市区、城乡结合部、乡镇，用对应的数值表示；其中a、b、c分别表示市区、城乡结合部、乡镇在预测区域所占的面积比，即权重；

步骤3、确定所要预测的时间是否为节假日，生成节假日参数x₇，其对应为是否为节假日；

步骤4、根据预测区域的信息和预测时间确定输入数据X＝[x₁、x₂、x₃、x₄、x₅、x₆、x₇]，其中，x₁为预测时间对应的月，x₂为预测时间对应的日，x₃为预测时间对应的时；

步骤5、将输入数据X输入训练好的电力预测神经网络模型，进行短期电力负荷预测，得到预测时所在天中每小时的用电量Y_idh，根据每天中每小时的用电量Y_idh获得当天的用电量Y_id；

统计当天之前的一段时间内各小时的用电量，以小时为单位将一段时间内的相同小时下的用电量进行加和，记为SUM_idh，并计算一天内的以及平均时用电量的占比

所述的电力预测神经网络模型的训练过程如下：

步骤5.1、采集建模区域的历史信息，包括建模区域的人口数量x₄、建模区域含权重的类型x₅、建模区域预测前一定时间段内的用电类型的占比x₆；历史信息还包括该建模区域历史的用电数据，所述的历史用电数据以时为单位进行采集和统计，将某月某日某时的电量数据作为真实输出z，即真实标签；

建模区域含权重的类型x₅＝ay₁+by₂+cy₃，其中y₁、y₂、y₃分别表示市区、城乡结合部、乡镇，用对应的数值表示；其中a、b、c分别表示市区、城乡结合部、乡镇在建模区域所占的面积比，即权重；

用电类型的占比x₆表示建模区域范围一定时间段内工业用电量占总用电量的比；

步骤5.2、确定建模区域历史用电数据对应的时间是否为节假日，生成节假日参数x₇，其对应为是否为节假日；

步骤5.3、根据建模区域的信息确定输入数据X＝[x₁、x₂、x₃、x₄、x₅、x₆、x₇]，并构建训练集；其中，x₁为预测时间对应的月，x₂为预测时间对应的日，x₃为预测时间对应的时；

步骤5.4、将X＝[x₁、x₂、x₃、x₄、x₅、x₆、x₇]作为神经网络模型的输入数据，得到某月某日某时的预测输出利用Adam优化器进行训练，从而确定神经网络模型的参数；

步骤5.5、利用测试集对已经确定神经网络模型的参数的神经网络模型进行测试，当测试误差小于测试误差阈值，得到训练好的电力预测神经网络模型；否则重新构建训练集进行训练；

训练电力预测神经网络模型的过程的损失函数为其中n为训练集的样本数量，W⁽¹⁾-W⁽⁴⁾分别为第一隐层、第二隐层、第三隐层和输出层的权重；

步骤6、按照平均时用电量的占比α_idh，将天用电量估计值Q_id分配成小时用电量估计值Q_idh；

判断Y_idh与同一天同一小时内对应的Q_idh的大小；

如果Y_idh大于等于Q_idh，则将Y_idh作为电力负荷预测；

如果Y_idh小于Q_idh，将Q_idh的值赋值给Y_idh作为当前时电力负荷预测结果。