[发明专利]一种电网负荷预测方法、系统、终端及存储介质

说明书

本发明提供一种电网负荷预测方法、系统、终端及存储介质，包括：采集历史负荷数据，并根据所述历史负荷数据生成历史负荷时间序列；根据所述历史负荷时间序列构建线性回归模型；利用统计法根据所述线性回归模型对所述历史负荷时间序列进行变点检测；根据变点检测结果对所述历史负荷时间序列进行分段，并利用分段历史时间序列训练预先构建好的LSTM模型，利用训练好的LSTM模型预测电网负荷。本发明通过构建线性回归模型并对变点进行检测，从而提高了电网负荷的预测准确度。

技术领域

本发明涉及电力技术领域，具体涉及一种电网负荷预测方法、系统、终端及存储介质。

背景技术

电网负荷预测是电力设备调度分配的数据支撑，是科学构建电网的基础。现有电网负荷预测模型大多没有考虑节假日以及天气变化等因素对电网负荷的影响。这就导致现有电网负荷预测模型的预测结果准确率较低。

发明内容

针对现有技术的上述不足，本发明提供一种电网负荷预测方法、系统、终端及存储介质，以解决上述技术问题。

第一方面，本发明提供一种电网负荷预测方法，包括：

采集历史负荷数据，并根据所述历史负荷数据生成历史负荷时间序列；

根据所述历史负荷时间序列构建线性回归模型；

利用统计法根据所述线性回归模型对所述历史负荷时间序列进行变点检测；

根据变点检测结果对所述历史负荷时间序列进行分段，并利用分段历史时间序列训练预先构建好的LSTM模型，利用训练好的LSTM模型预测电网负荷。

进一步的，所述根据历史负荷时间序列构建线性回归模型，包括：

计算所述历史负荷时间序列的均值偏移项、变点前序列均值、误差项和斜率；

根据均值偏移项、变点前序列均值、误差项和斜率构建线性回归模型。

进一步的，所述利用统计法根据所述线性回归模型对所述历史负荷时间序列进行变点检测，包括：

通过最小二乘方法估算所述线性回归模型的线性回归参数，所述线性回归参数包括变点前序列均值、斜率和增量，所述增量为均值偏移项与误差项之和；

根据线性回归参数构建变点的T统计量和D统计量；

构建T统计量与变点D统计量的关系式；

设置防止变点逼近边界点的限定参数，并根据所述限定参数构建检验统计函数；

根据D统计函数的渐进布朗运动原则确定所述限定参数置信度对应的D 统计量临界值，并通过将所述D统计量临近值代入所述检验统计函数得到与所述置信度对应的拒绝域临界值；

将所述D统计量和限制参数代入所述检验统计函数得到实际最大统计量；

比对所述实际最大统计量与所述拒绝域临界值，若所述实际最大统计量大于所述拒绝域临界值，则确认存在变点，且所述变点发生时间在所述最大统计量所在时间。

进一步的，所述根据变点检测结果对所述历史负荷时间序列进行分段，包括：

对历史负荷时间序列分段后得到的子时间序列进行变点检测，若所述子时间序列存在变点则对所述子时间序列进行分段，直至将历史负荷时间序列分解为不存在变点的最小时间序列段。

第二方面，本发明提供一种电网负荷预测系统，包括：

序列生成单元，配置用于采集历史负荷数据，并根据所述历史负荷数据生成历史负荷时间序列；

模型构建单元，配置用于根据所述历史负荷时间序列构建线性回归模型；