[发明专利]一种电力负荷预测方法、装置、终端设备及存储介质

权利要求书

1.一种电力负荷预测方法，其特征在于，包括如下步骤：

获取至少三个时间周期的历史电力负荷数据；其中，所述历史电力负荷数据包括第一历史电力负荷数据、第二历史电力负荷数据和第三历史电力负荷数据；

利用加权移动平均法对所述第一历史电力负荷数据进行处理，得到对电力负荷影响程度不同的多组第一历史电力负荷数据，并对每组第一历史电力负荷数据配置不同权重；其中，影响程度越大的第一历史电力负荷数据配置的权重越大；

将配置完成后的每组第一历史电力负荷数据按照时间顺序进行排列，输入预设的LSTM模型进行训练；

利用所述第二历史电力负荷数据作为测试集输入LSTM模型进行测试，得到对应的测试结果；

将所述测试结果与所述第二历史电力负荷数据的差值作为预设的GBDT模型的训练集，对GBDT模型进行训练；

利用所述第三历史电力负荷数据作为测试集对GBDT模型进行测试；

根据所述加权移动平均法对应的预测公式、训练好的LSTM模型和训练好的GBDT模型，对待测时间区间的电力负荷进行预测。

2.如权利要求1所述的电力负荷预测方法，其特征在于，在所述利用加权移动平均法对所述第一历史电力负荷数据进行处理之前，还包括：

利用标准差法对所述第一历史电力负荷数据进行处理，剔除不良数据或对不良数据进行修正。

3.如权利要求1所述的电力负荷预测方法，其特征在于，所述LSTM模型包括横向层和纵向层；其中，所述横向层按时间序列依次拼接，所述纵向层包括五层，每层之间采用全连接方式进行拼接。

4.如权利要求1所述的电力负荷预测方法，其特征在于，所述方法还包括：

所述LSTM模型在初始化时，根据每组第一历史电力负荷数据配置的权重大小进行调整强制遗忘因子；其中，所述权重小于预设权重阈值的电力负荷数据对应的强制遗忘因子为0。

5.如权利要求1-4任一项所述的电力负荷预测方法，其特征在于，所述历史电力负荷数据包括电力网络、时间节点、日期、温度、湿度、是否降雨、风力等级、是否为节假日和负荷。

6.如权利要求3所述的电力负荷预测方法，其特征在于，所述GBDT模型在初始化时输入的变量包括是否降雨、是否为节假日和风力等级中至少一种。

7.一种电力负荷预测装置，其特征在于，包括：

数据获取模块，用于获取至少三个时间周期的历史电力负荷数据；其中，所述历史电力负荷数据包括第一历史电力负荷数据、第二历史电力负荷数据和第三历史电力负荷数据；

平滑处理模块，用于利用加权移动平均法对所述第一历史电力负荷数据进行处理，得到对电力负荷影响程度不同的多组第一历史电力负荷数据，并对每组第一历史电力负荷数据配置不同权重；其中，影响程度越大的第一历史电力负荷数据配置的权重越大；

第一训练模块，用于将配置完成后的每组第一历史电力负荷数据按照时间顺序进行排列，输入预设的LSTM模型进行训练；

第一测试模块，用于利用所述第二历史电力负荷数据作为测试集输入LSTM模型进行测试，得到对应的测试结果；

第二训练模块，用于将所述测试结果与所述第二历史电力负荷数据的差值作为预设的GBDT模型的训练集，对GBDT模型进行训练；

第二测试模块，用于利用所述第三历史电力负荷数据作为测试集对GBDT模型进行测试；

预测模块，用于根据所述加权移动平均法对应的预测公式、训练好的LSTM模型和训练好的GBDT模型，对待测时间区间的电力负荷进行预测。

8.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的电力负荷预测方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任一项所述的电力负荷预测方法。