[发明专利]一种基于大数据的负荷预测方法、设备及介质

权利要求书

1.一种基于大数据的负荷预测方法，其特征在于，所述方法包括：

获取预设历史时间段内电力系统对应的负荷数据、气象数据以及节假数据；

将所述负荷数据导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定所述波动时间段对应的已维持时间段和可预测时间段；

确定所述已维持时间段内的所述负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及所述可预测时间段对应的第二基准数据；

根据预设非线性算法、预设维度数据库、所述第一基准数据、负荷数据、所述气象数据以及所述节假数据，获得可预测时间段内的气象校正数据以及节假校正数据；

通过所述第二基准数据、所述气象校正数据以及所述节假校正数据，获得电力系统在可预测时间段内的预测负荷数据。

2.根据权利要求1所述的基于大数据的负荷预测方法，其特征在于，在将所述负荷数据，导入训练好的随机赋权神经网络之前，所述方法还包括：

对预设参考时间段内的负荷数据进行标记处理，以获得具有波动时间段的训练数据；

基于所述训练样本数据，对随机赋权神经网络对应的公式：进行训练，以确定随机赋权神经网络对应的权重和偏置，进而完成随机赋权神经网络的训练；

其中，t_j为预测的波动时间段，w_i为预测权重；β_i为所述权重；b_i为所述偏置；j＝1,2,...,M；M为所述训练数据的数量。

3.根据权利要求2所述的基于大数据的负荷预测方法，其特征在于，

将所述负荷数据，导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定所述波动时间段对应的已维持时间段和可预测时间段，具体包括：

将负荷数据导入所述训练好的随机赋权神经网络，确定负荷数据对应波动曲线，进而确定波动曲线对应的波动时间段；

通过所述波动时间段，确定已维持时间段以及剩余维持时间段，以确实所述剩余维持时间段为可预测时间段。

4.根据权利要求1所述的基于大数据的负荷预测方法，其特征在于，

确定所述已维持时间段内负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及所述可预测时间段对应的第二基准数据，具体包括：

将已维持时间段对应的日期、已维持时间段对应的负荷数据作为横纵坐标，生成时间-负荷走势曲线；

通过所述时间-负荷走势曲线以及预设的曲线求解算法，确定时间-负荷走势曲线对应的负荷计算公式；

根据所述负荷计算公式，确定已维持时间段内对应的若干负荷计算值为第一基准数据，以及确定推出可预测时间段内对应的若干负荷计算值为第二基准数据。

5.根据权利要求4所述的基于大数据的负荷预测方法，其特征在于，

在获得可预测时间段内的气象校正数据以及节假校正数据之前，所述方法还包括：

基于负荷计算公式以及预设计算公式F＝Z+AX+BY，确定X、Y的值；其中，F为负荷数据；Z为第一基准数据；A为气象维度值；B为节假维度值；X为气象影响系数；Y为节假影响系数。

6.根据权利要求5所述的基于大数据的负荷预测方法，其特征在于，预设维度数据库包含气象维度数据以及节假维度数据值；

获得可预测时间段内的气象校正数据以及节假校正数据，具体包括：

确定可预测时间段内的若干预测日期；

基于天气预测软件，确定所述预测日期对应的气象维度数据；其中，气象维度数据包含多云维度值、晴天维度值、阴天维度值和雨雪天维度值；

基于法定节假日的规定，确定预测日期对应的节假维度数据；其中，节假维度数据值包含假日维度值以及工作日维度值；

通过气象影响系数乘以气象维度值，确定在可预测时间段内的各个预测日期对应的所述气象校正数据；

通过节假影响系数乘以节假维度值，确定在可预测时间段内的各个预测日期对应的所述节假校正数据。