[发明专利]一种用电负荷预测方法

权利要求书

1.一种用电负荷预测方法，其特征在于，包括：

获取配电站设备用电负荷历史数据，所述用电负荷历史数据中的每一条数据包括时间和与所述时间对应的实际采集到的用电负荷；

对所述用电负荷历史数据进行第一修正处理，得到经过第一修正处理后用电负荷历史数据；

以所述时间作为排序的依据，对所述经过第一修正处理后的用电负荷历史数据中的每一条数据进行升序排序，得到排序后的用电负荷历史数据；

对排序后的用电负荷历史数据进行第二修正处理，得到经过第二修正处理后的用电负荷历史数据；

根据经过第二修正处理后的用电负荷历史数据，采用HoltWinters机器学习算法对待预测时间进行用电负荷预测；

所述的用电负荷预测方法还包括：

获取区域文本数据和配电站设备文本数据；其中，所述区域文本数据包括的数据列有区域编号、区域名称、区域类型、区域级别和区域状态；所述配电站设备文本数据包括配电站设备ID、配电站设备名称、配电站设备的排序索引，配电站设备类型、配电站设备状态、配电站设备所对应的区域编号；

以所述区域编号为共有列将所述区域文本数据和所述配电站设备文本数据进行关联合并，得到第一合并后的文本数据；

从所述第一合并后的文本数据中提取区域编号、配电站设备ID和配电站设备名称所在的列的所有数据，形成提取到的文本数据；

以设备编号为共有列将能够区域历史时间对应的数据条和未来时间对应的数据条的文本数据和所述提取到的文本数据进行合并，得到第二合并后的文本数据；

在所述第二合并后的文本数据中添加响应电力负荷数据列和误差数据列，形成第二新的文本数据；其中，所述响应电力负荷表示用户实际需求负荷,所述误差为预测得到的用电负荷和实际采集到的用电负荷的差值。

2.根据权利要求 1所述的用电负荷预测方法，其特征在于，所述用电负荷历史数据还包括配电站设备ID，则所述用电负荷历史数据中的每一条数据包括配电站设备ID、时间和与所述时间对应的实际采集到的用电负荷。

3.根据权利要求2所述的用电负荷预测方法，其特征在于，所述对排序后的用电负荷历史数据进行第二修正处理，得到经过第二修正处理后的用电负荷历史数据，具体包括：

判断排序后相邻两条数据中的时间之差是否等于预设的值；

若等于，则保留所述相邻两条数据；

若不等于，则将所述两条数据中排序在后的数据删除，并根据所述两条数据中排序在前的数据中的时间和所述预设的值计算新的时刻进行填补，并采用linear方法获得所述新的时刻对应的用电负荷。

4.根据权利要求3所述的用电负荷预测方法，其特征在于，所述对所述用电负荷历史数据进行第一修正处理，得到经过第一修正处理后用电负荷历史数据，具体包括：

分别判断每一所述用电负荷是否小于0；

若小于0，则采用0替代对应的用电负荷；

若不小于0，则保留对应的用电负荷。

5.根据权利要求4所述的用电负荷预测方法，其特征在于，在判断每一所述用电负荷是否小于0之前，还包括：

若所述时间的数据类型为文本类型，所述用电负荷的数据类型为字符串类型，则将所述时间的数据类型转换为日期时间数据类型，将所述用电负荷的数据类型转换为小数数据类型。

6.根据权利要求1-5任一项所述的用电负荷预测方法，其特征在于，在根据经过第二修正处理后的用电负荷历史数据，采用HoltWinters机器学习算法对待预测时间进行用电负荷预测之后，还包括：

采用第一标识对历史时间对应的数据条进行标识，采用第二标识对未来时间对应的数据条进行标识，得到能够区分历史时间对应的数据条和未来时间对应的数据条的文本数据。

7.根据权利要求6所述的用电负荷预测方法，其特征在于，所述响应电力负荷数据列下的每一响应电力负荷根据如下公式计算得到：

其中，HQ表示响应电力负荷、PQ表示预测得到的用电负荷、b为标识，b＝0表示历史时间对应的数据条，b＝1表示未来时间对应的数据条。