[发明专利]电力分解曲线预测模型的训练方法、装置以及存储介质

权利要求书

1.一种电力分解曲线预测模型的训练方法，其特征在于，包括：

获取训练样本，所述训练样本包括电力交易市场的多个第一候选信息和第一功率预测信息；

对所述训练样本进行处理，得到目标训练样本；以及

利用所述目标训练样本对目标模型进行训练，以得到所述电力交易市场的电力分解曲线预测模型。

2.如权利要求1所述的方法，其特征在于，利用所述目标训练样本对目标模型进行训练，以得到所述电力交易市场的电力分解曲线预测模型，包括：

利用所述目标训练样本对基于XGBOOST结构的模型进行训练，以得到所述电力分解曲线预测模型，其中，所述XGBOOST结构的模型包括多个回归树。

3.如权利要求1所述的方法，其特征在于，对所述训练样本进行处理，得到目标训练样本，包括：

从所述多个第一候选信息中确定与电力分解曲线相关的第一目标信息；以及

根据所述第一目标信息和所述第一功率预测信息，得到所述目标训练样本。

4.如权利要求3所述的方法，其特征在于，根据所述第一目标信息和所述第一功率预测信息，得到所述目标训练样本，包括：

将所述第一目标信息中的离散信息进行编码处理；以及

根据编码后的所述第一目标信息和所述第一功率预测信息，得到所述目标训练样本。

5.如权利要求3所述的方法，其特征在于，根据所述第一目标信息和所述第一功率预测信息，得到所述目标训练样本，还包括：

将所述第一目标信息和所述第一功率预测信息分别对应的时间节点信息创建类型特征，其中，

将月份类型特征编码为1-12，分别对应每年的1-12月；

将日期类型特征编码为0-6，分别对应周一至周日；

将时刻点类型特征编码为1-96，分别对应二十四小时的每个时刻；以及

根据所述第一目标信息、所述第一功率预测信息以及分别对应的月份类型特征、日期类型特征、时刻点类型特征，得到所述目标训练样本。

6.如权利要求3-5任一项所述的方法，其特征在于，所述第一目标信息包括：新能源负荷量、输变电检修计划。

7.一种电力分解曲线预测方法，其特征在于，包括：

获取电力交易市场待预测日期的第二目标信息和第二功率预测信息；

将所述第二目标信息和第二功率预测信息输入至上述权利要求1-6任一项所述的电力分解曲线预测模型的训练方法训练得到的电力分解曲线预测模型，以得到待预测日期多个时刻点的多个功率预测值；以及

将所述多个功率预测值依次进行连接，得到所述待预测日期的电力分解曲线。

8.一种电力分解曲线预测模型的训练装置，其特征在于，包括：

第一获取模块，用于获取训练样本，所述训练样本包括电力交易市场的多个第一候选信息和第一功率预测信息；

处理模块，用于对所述训练样本进行处理，得到目标训练样本；以及

训练模块，用于利用所述目标训练样本对目标模型进行训练，以得到所述电力交易市场的电力分解曲线预测模型。

9.如权利要求8所述的装置，其特征在于，所述训练模块，具体用于：

利用所述目标训练样本对基于XGBOOST结构的模型进行训练，以得到所述电力分解曲线预测模型，其中，所述XGBOOST结构的模型包括多个回归树。

10.如权利要求8所述的装置，其特征在于，所述处理模块，包括：

筛选子模块，用于从所述多个第一候选信息中确定与电力分解曲线相关的第一目标信息；以及

训练子模块，用于根据所述第一目标信息和所述第一功率预测信息，得到所述目标训练样本。