[发明专利]电力负荷预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种电力负荷预测方法、装置、计算机设备和存储介质，方法包括：响应于用电负荷预测请求，获取与用电负荷预测请求对应的用电负荷相关特征数据，包括历史用电负荷值；并进一步划分为生活用电负荷相关特征数据以及生产用电负荷相关特征数据；之后输入预先构建的用电负荷差值预测模型，得到与预测时间信息对应的生活用电负荷预测差值以及生产用电负荷预测差值，并对历史用电负荷值进行计算处理，得到用电负荷预测结果。本申请通过生活用电负荷相关特征数据以及生产用电负荷相关特征数据，实现了利用模型进行分别预测，提高了电力负荷预测的精细程度；通过预测用电负荷差值减小了预测过程中的方差，提高了电力负荷预测的准确性。

技术领域

本申请涉及电力技术领域，特别是涉及一种电力负荷预测方法、装置、计算机设备和存储介质。

背景技术

随着电力系统的数字化、智能化、现代化发展，电力负荷预测在智能电网建设中扮演的角色愈发重要。一方面，精准的电力负荷预测能够为电力系统在供给侧和需求侧提供有价值的数据支撑；另一方面，精准的电力负荷预测能够减少电力交易所付出的成本。

现有的电力负荷预测方式主要依靠天气、时间、历史负荷值等数据；采用传统的统计分析模型，进行短周期内的电力负荷预测；但是电力负荷值本身较大，电力负荷值波动也较为频繁，导致电力负荷预测中方差较大，预测得到数据的准确性较差。

发明内容

基于此，有必要针对上述技术问题，提供一种电力负荷预测方法、装置、计算机设备和存储介质。

一种电力负荷预测方法，所述方法包括：

响应于携带有预测时间信息的用电负荷预测请求，获取与所述用电负荷预测请求对应的用电负荷相关特征数据；所述用电负荷相关特征数据包括历史用电负荷值；

根据用电负荷相关特征数据的类型，将所述用电负荷相关特征数据划分为生活用电负荷相关特征数据以及生产用电负荷相关特征数据；

将所述生活用电负荷相关特征数据以及所述生产用电负荷相关特征数据输入预先构建的用电负荷差值预测模型，得到所述预先构建的用电负荷差值预测模型输出的与所述预测时间信息对应的生活用电负荷预测差值以及生产用电负荷预测差值；所述预先构建的用电负荷差值预测模型根据样本用电负荷相关特征数据训练得到；

根据所述生活用电负荷预测差值以及生产用电负荷预测差值，对所述历史用电负荷值进行计算处理，得到与所述用电负荷预测请求对应的用电负荷预测结果。

在其中一个实施例中，所述预先构建的用电负荷差值预测模型通过以下方式获得：

获取包含有多个预设神经网络模型以及多个预设传统机器学习模型的预设模型库；

从所述预设模型库中选取至少一个所述预设神经网络模型和/或至少一个所述预设传统机器学习模型；

基于所述样本用电负荷相关特征数据对至少一个所述预设神经网络模型和/或至少一个所述预设传统机器学习模型进行训练，通过对比各个训练后的模型的预测准确度，为训练后的至少一个预设神经网络模型和/或至少一个预设传统机器学习模型分别设置相应权重；

将训练完成后的至少一个预设神经网络模型和/或至少一个预设传统机器学习模型，根据相对应的权重进行融合，得到所述预先构建的用电负荷差值预测模型。

在其中一个实施例中，所述基于所述样本用电负荷相关特征数据对至少一个所述预设神经网络模型和/或至少一个所述预设传统机器学习模型进行训练，包括：

根据所述样本用电负荷相关特征数据，构建训练数据集以及验证数据集；

根据所述训练数据集对所选取的至少一个所述预设神经网络模型和/或至少一个所述预设传统机器学习模型进行训练，得到训练后的至少一个预设神经网络模型和/或至少一个预设传统机器学习模型；