[发明专利]一种电力市场的中长期负荷预测方法和装置

说明书

本申请实施例公开了一种电力市场的中长期负荷预测方法和装置，包括：对历史日负荷数据和其对应的指标数据进行缺失值和异常值处理，按照预置时间段进行统计获得预置时间段的负荷数据和指标时间并进行归一化处理；设置反馈神经网络模型的隐含层节点个数、各连接的权值和阈值，将归一化处理后的数据输入到反馈神经网络模型中进行计算获得预测值，计算预测值和实时电力负荷的方差，根据方差和电力成本通过反向传播运算方法获得权值和阈值的调整公式，通过调整公式调整权值和阈值计算预测值，重复训练直到预测值和实际电荷的方差符合预置方差或迭代次数获得目标反馈神经网络模型。解决了现有电力预测方法未考虑到电力成本和预测精度之间的均衡问题。

技术领域

本申请涉及电力负荷预测技术领域，尤其涉及一种电力市场的中长期负荷预测方法和装置。

背景技术

在目前的电力市场环境下，售电企业与发电企业通过签订合同，以合同价买入预测电量，如实际用电量比合同订购的电量大，需以实时电价买入不足的部分。电力的竞争市场，售电企业预测负荷时，除了考虑预测精度，还需要考虑电能买入的损失成本，而目前的电力负荷预测方法并未考虑到电力市场中预测精度与成本损失之间均衡的问题，因此，寻求一种预测精度与效益并存的电力负荷预测方法是本领域技术人员亟待解决的技术问题。

发明内容

本申请提供了一种电力市场的中长期负荷预测方法和装置，解决了现有电力预测方法未考虑到电力成本和预测精度之间的均衡的技术问题。

有鉴于此，本申请第一方面提供了一种电力市场的中长期负荷预测方法和装置，包括：

S1、对历史日负荷数据和所述历史日负荷数据对应的指标数据进行缺失值和异常值处理，并按预置的时间段进行统计获得所述时间段的负荷数据和所述时间段的指标数据，所述指标数据包括人均消费水平和工业总产值；

S2、将所述负荷数据和所述指标数据输入反馈神经网络模型进行预测，得到参考电力负荷预测值；

S3、计算所述参考电力负荷预测值与电力负荷实时值的方差，根据所述方差和电力负荷成本建立所述反馈神经网络模型的输出层的损失函数；对所述损失函数求偏导，并求所述参考电力负荷预测值对权值和阈值的偏导，将求偏导结果代入权值调整公式和阈值调整公式，求得所述反馈神经网络模型的连接权值和连接阈值；

S4、若所述方差小于或等于预置方差，或迭代次数大于或等于预置次数，则直接得到目标反馈神经网络模型，否则，重复执行步骤S2-S4，直到所述方差小于所述预置方差，或迭代次数大于或等于预置次数时，得到目标反馈神经网络模型；

S5、将所述负荷数据和所述指标数据输入到所述目标反馈神经网络模型进行负荷预测，得到目标电力负荷预测值。

优选地，步骤S2之前还包括：

S12、对所述负荷数据和所述指标数据进行归一化处理。

优选地，所述归一化处理的公式为：

其中，Lⁱ'为第i个因子归一化之后的值，Lⁱ表示第i个因子的数据，为所述第i个因子观测值中的最小值，为所述第i个因子观测值中的最大值。

优选地，所述将所述负荷数据和所述指标数据输入反馈神经网络模型进行预测，得到参考电力负荷预测值，包括：

将所述负荷数据和所述指标数据代入到预置激活函数，获得隐含层的输出值，将所述输出值再次代入到所述预置激活函数，获得参考电力负荷预测值；

所述预置激活函数为：

g(x)的变量x为：