[发明专利]一种电力负荷预测方法、装置、设备及可读存储介质

说明书

本发明提出的一种电力负荷预测方法、装置、设备及可读存储介质，通过对源负荷数据库的数据进行缺失值填补、异常值检测和填补处理、质量评价和数据可视化，将处理后的负荷数据、质量评价结果和负荷数据的可视化对比图表进行电力负荷预测，为电力负荷预测提供高质量的负荷数据资源，降低因源负荷数据质量问题导致的电力负荷预测出错率，提高电力负荷预测的准确性。

技术领域

本发明涉及电力负荷数据处理技术，尤其是一种电力负荷预测方法、装置、设备及可读存储介质。

背景技术

电力负荷预测是电力企业电网规划、电力调度以及电力市场辅助决策的重要支持业务，电力企业为满足不同管理目标的需求，开展多维度的不同供电区域，如县级、地市级、省级，不同行业，不同大用户，不同预测周期的电力负荷预测业务。影响负荷预测精度的因素很多，除了区域环境温度、区域经济发展指数、区域行业用电特点、区域大用户用电特点以及节假日用电特点等诸多因素外，主要因素还是计量自动化系统采集的负荷数据质量。因此，确保采集回来的负荷数据质量，是研发高精度电力负荷预测系统的前提。

基于“大数据应用”的电力负荷预测，用于负荷预测数据预处理占了研发人员大量的工作量，并且负荷数据中的异常值和缺失值导致负荷预测数据资源质量问题，会影响电力负荷预测的准确性。

发明内容

本发明的实施例提出一种电力负荷预测方法、装置、设备及可读存储介质，能够对源负荷数据的缺失值进行填补，对负荷数据的异常值检测和替换，提高了负荷数据资源的质量，从而减少因负荷数据资源质量问题导致的负荷预测出错率，提高电力负荷预测的准确性。

本发明实施例的提供的一种电力负荷预测方法，所述方法包括以下步骤：

获取待处理的电力负荷数据；

根据预设的采样数据分布模型获取所述待处理的电力负荷数据的日采样值的总体分布形态；

根据预设的缺失数据填补算法和所述总体分布形态对所述待处理的电力负荷数据进行缺失数据填补处理；

根据预设的异常数据检测模型获取填补处理后的电力负荷数据的日采样值的可疑异常值；

根据预设的异常数据替换算法和所述可疑异常值对所述填补处理后的电力负荷数据进行异常数据检测和替换处理；

根据替换处理后的电力负荷数据进行电力负荷预测。

优选地，所述获取待处理的电力负荷数据具体为：

获取负荷元数据，根据所述负荷元数据中的负荷数据源地址访问源负荷数据库，所述负荷元数据包括数据采集规模、缺失值填补处理限定参数和异常值处理限定参数；

从所述源负荷数据库中采集符合所述数据采集规模的电力负荷数据作为所述待处理的电力负荷数据，并将所述待处理的电力负荷数据存储在预设的第一数据库中。

作为一种优选方式，所述根据预设的缺失数据填补算法和所述总体分布形态对所述待处理的电力负荷数据进行缺失数据填补处理具体为：

当获取的总体分布形态为左偏移形态时，以采样日为单位获取所述待处理的电力负荷数据的日采样值，当识别到所述待处理的电力负荷数据的日采样值出现缺失值时，计算所述待处理的电力负荷数据的日采样值的日采样负荷均值和日采样负荷标准偏差，并统计所述缺失值的连续缺失值数量；

当所述连续缺失数量大于预设的第一阈值时，则在由预设的第二阈值和所述日采样负荷均值构成的闭区间内取与所述连续缺失数量相同数量的随机值，并对所述随机值均取绝对值后填补缺失值；当所述连续缺失数量小于或等于所述第一阈值时，则用所述缺失值前一个采样值和所述缺失值后第一个出现的采样值的均值填补缺失的采样值，所述第一阈值为所述缺失值填补限定参数或异常值处理限定参数，所述第二阈值为所述第一阈值和所述日采样负荷标准偏差的乘积被所述日采样负荷均值减去后的差值；