[发明专利]一种电力负荷预测方法、装置、可读介质及电子设备

说明书

本发明公开了一种电力负荷预测方法、装置、可读介质及电子设备，所述方法包括：基于目标域用户的用户特征，确定与所述目标域用户对应的源域用户；确定所述目标域用户的用户数据与所述源域用户的用户数据的相似度；基于所述相似度，在所述源域用户的用户数据中确定选取数据；基于所述目标域用户的用户数据和所述源域用户的选取数据，确定长短期负荷预测模型；基于所述长短期负荷预测模型，对所述目标域用户进行电力负荷预测。在本申请提供的技术方案中利用源域用户的选取数据对所述目标域用户的用户数据进行扩充，即使在目标域用户的用户数据不足时，也可以确定出准确的负荷预测模型，进而保证确定出的电力负荷预测结果的准确性。

技术领域

本发明涉及能源领域，尤其涉及一种电力负荷预测方法、装置、可读介质及电子设备。

背景技术

电力负荷预测是电力系统规划的重要组成部分，准确的电力负荷预测是电力系统高效运行的基础。随着深度学习技术的发展，长短期记忆网络被应用于电力负荷预测中，然而训练一个准确的长短期记忆网络需要大量的样本数据，在样本数据不足时，训练出的长短期记忆网络的准确性较差。

发明内容

本发明提供了一种电力负荷预测方法、装置、可读介质及电子设备，旨在解决现有技术中在样本数据不足时，训练出的长短期记忆网络的准确度较差的技术问题。

第一方面，本发明提供了一种电力负荷预测方法，包括：

基于目标域用户的用户特征，确定与所述目标域用户对应的源域用户；

确定所述目标域用户的用户数据与所述源域用户的用户数据的相似度；

基于所述相似度，在所述源域用户的用户数据中确定选取数据；

基于所述目标域用户的用户数据和所述源域用户的选取数据，确定长短期负荷预测模型；

基于所述长短期负荷预测模型，对所述目标域用户进行电力负荷预测。

优选地，

所述基于所述相似度，在所述源域用户的用户数据中确定选取数据，包括：

基于确定的所述目标域用户的用户数据与所述源域用户的用户数据的相似度，确定当前相似度阈值；

将所述源域用户中对应的相似度大于所述当前相似度阈值的用户数据确定为选取数据。

优选地，

所述基于确定的所述目标域用户的用户数据与所述源域用户的用户数据的相似度，确定当前相似度阈值，包括：

将所述目标域用户的用户数据与所述源域用户的用户数据的相似度的平均值确定为当前相似度阈值。

优选地，

所述基于确定的所述目标域用户的用户数据与所述源域用户的用户数据的相似度，确定当前相似度阈值，包括：

将大于预设阈值的所述目标域用户的用户数据与所述源域用户的用户数据的相似度的平均值确定为当前相似度阈值。

优选地，

所述基于所述相似度，在所述源域用户的用户数据中确定选取数据前，还包括：

判断所述目标域用户的用户数据与所述源域用户的用户数据的相似度是否均小于预设阈值；

若所述目标域用户的用户数据与所述源域用户的用户数据的相似度均小于预设阈值，则更新所述源域用户；

则，所述基于所述相似度，在所述源域用户的用户数据中确定选取数据，包括：

若所述目标域用户的用户数据与所述源域用户的用户数据的相似度非均小于所述预设阈值，则基于所述相似度，在所述源域用户的用户数据中确定选取数据。