[发明专利]模型训练方法、用电负荷预测方法、装置及设备

说明书

本申请公开了一种模型训练方法、用电负荷预测方法、装置及设备，属于电力系统供电技术领域。所述方法包括：获取历史时刻的历史气象数据以及历史用电负荷，历史用电负荷包括待预测区域的至少两个子区域的历史子负荷，历史气象数据包括至少两个子区域的历史子区域气象；对历史用电负荷进行特征工程处理，得到目标历史负荷；以及，对历史气象数据进行特征工程处理，得到目标历史气象；根据目标历史负荷以及目标历史气象训练机器学习模型，机器学习模型用于根据预报气象数据预测待预测区域的用电负荷。训练的机器学习模型能够学习到待预测区域中各个子区域的用电特性，从而能够提升预测用电负荷的准确度。

技术领域

本申请涉及电力系统供电技术领域，特别涉及一种模型训练方法、用电负荷预测方法、装置及设备。

背景技术

电网用电侧的用电负荷具有多样性和多变性的特点，从而可能会影响到电网的电力系统的安全运行。因此需要预测电网用电侧的用电负荷。

由于用电侧的用电负荷受天气的影响较大，例如低温和高温情况下会导致用电负荷激增。目前，通常由电网的工作人员，基于待预测区域的历史气象数据以及该历史气象数据对应的时段的历史用电负荷，结合自身经验，根据待预测区域需要进行用电负荷预测的时段的预报气象数据，对用电负荷进行预测。

但是，待预测区域中不同用户在用电时存在不同的用电行为特点，导致基于待预测区域的历史用电负荷预测出的用电负荷的准确度较低。

发明内容

本申请提供了一种模型训练方法、用电负荷预测方法、装置及设备，可以提升预测用电负荷的准确度。所述技术方案如下：

根据本申请的一方面，提供了一种模型训练方法，所述方法包括：

获取历史时刻的历史气象数据以及历史用电负荷，所述历史用电负荷包括待预测区域的至少两个子区域的历史子负荷，所述历史气象数据包括所述至少两个子区域的历史子区域气象；

对所述历史用电负荷进行特征工程处理，得到目标历史负荷；以及，对所述历史气象数据进行特征工程处理，得到目标历史气象；

根据所述目标历史负荷以及所述目标历史气象训练机器学习模型，所述机器学习模型用于根据预报气象数据预测所述待预测区域的用电负荷。

根据本申请的另一方面，提供了一种用电负荷预测方法，所述方法包括：

获取预测时段的预报气象数据，所述预报气象数据包括待预测区域的至少两个子区域的预报子区域气象；

对所述预报气象数据进行特征工程处理，得到目标预报气象；

将所述目标预报气象输入机器学习模型，输出所述待预测区域的预测用电负荷，所述机器学习模型是通过目标历史负荷以及目标历史气象训练得到的，所述目标历史负荷是通过对历史用电负荷进行特征工程处理得到的，所述目标历史气象是通过对历史气象数据进行特征工程处理得到的，所述历史用电负荷包括所述至少两个子区域的历史子负荷，所述历史气象数据包括所述至少两个子区域的历史子区域气象。

根据本申请的另一方面，提供了一种模型训练装置，所述装置包括：

获取模块，用于获取历史时刻的历史气象数据以及历史用电负荷，所述历史用电负荷包括待预测区域的至少两个子区域的历史子负荷，所述历史气象数据包括所述至少两个子区域的历史子区域气象；

处理模块，用于对所述历史用电负荷进行特征工程处理，得到目标历史负荷；以及，对所述历史气象数据进行特征工程处理，得到目标历史气象；

训练模块，用于根据所述目标历史负荷以及所述目标历史气象训练机器学习模型，所述机器学习模型用于根据预报气象数据预测所述待预测区域的用电负荷。