[发明专利]基于人工智能的电网负荷预测方法及系统

权利要求书

1.基于人工智能的电网负荷预测方法，其特征在于，该方法包括以下步骤：

采集电网的历史负荷数据，在不同周期下对所述历史负荷数据进行周期性的相关性分析；

根据所述相关性分析的结果利用预测神经网络获取目标日在不同周期下的预测负荷序列；

选取同一目标日在不同周期下的所述预测负荷序列，对其进行波动分解，获取对应的趋势分量、周期分量以及随机分量，进而组成特征序列，利用所述特征序列得到该目标日的准确预测负荷；其中，选取同一目标日在所述不同周期下的所述预测负荷序列包括分别在以日为周期的预测序列、以周为周期时的周预测序列和以月为周期时的月预测序列中选取目标日的预测序列，所述特征序列是由月预测序列中目标日的趋势分量、周预测序列中目标日的周期分量以及日预测序列中目标日的随机分量组成。

2.根据权利要求1所述的方法，其特征在于，所述相关性分析，包括：

通过去趋势互相关法分析所述历史负荷数据的相关性，得到所述历史负荷数据在相邻周期之间的趋势相关性和去趋势相关性。

3.根据权利要求2所述的方法，其特征在于，所述通过去趋势互相关法分析所述历史负荷数据的相关性，包括：

获取所述历史负荷数据在每个周期下的数据序列，将所述数据序列顺序累加，得到累加序列；

对所述累加序列划分窗口，拟合出每个窗口的局部趋势；

获取消除所述局部趋势的残差序列，根据所述残差序列和所述局部趋势计算所述趋势相关性和所述去趋势相关性。

4.根据权利要求2所述的方法，其特征在于，所述预测负荷序列的获取步骤包括：

在每个周期下，利用对应的所述趋势相关性和所述去趋势相关性得到互相关特征向量；同时利用所述历史负荷数据得到负荷特征向量；

将所述互相关特征向量和所述负荷特征向量相互融合，利用全连接网络进行拟合和特征映射得到当前周期下的所述预测负荷序列。

5.根据权利要求3所述的方法，其特征在于，所述残差序列的获取过程包括：

将所述窗口内的所述累加序列与所述局部趋势相减，得到所述残差序列。

6.基于人工智能的电网负荷预测系统，其特征在于，该系统包括以下模块：

相关性分析模块，用于采集电网的历史负荷数据，在不同周期下对所述历史负荷数据进行周期性的相关性分析；

预测负荷序列获取模块，用于根据所述相关性分析的结果利用预测神经网络获取目标日在不同周期下的预测负荷序列；

准确预测负荷获取模块，用于选取同一目标日在不同周期下的所述预测负荷序列，对其进行波动分解，获取对应的趋势分量、周期分量以及随机分量，进而组成特征序列，利用所述特征序列得到该目标日的准确预测负荷；其中，选取同一目标日在所述不同周期下的所述预测负荷序列包括分别在以日为周期的预测序列、以周为周期时的周预测序列和以月为周期时的月预测序列中选取目标日的预测序列，所述特征序列是由月预测序列中目标日的趋势分量、周预测序列中目标日的周期分量以及日预测序列中目标日的随机分量组成。

7.根据权利要求6所述的系统，其特征在于，所述相关性分析模块包括：

相关性获取模块，用于通过去趋势互相关法分析所述历史负荷数据的相关性，得到所述历史负荷数据在相邻周期之间的趋势相关性和去趋势相关性。

8.根据权利要求7所述的系统，其特征在于，所述相关性获取模块包括：

累加序列获取单元，用于获取所述历史负荷数据在每个周期下的数据序列，将所述数据序列顺序累加，得到累加序列；

局部趋势获取单元，用于对所述累加序列划分窗口，拟合出每个窗口的局部趋势；

相关性计算单元，用于获取消除所述局部趋势的残差序列，根据所述残差序列和所述局部趋势计算所述趋势相关性和所述去趋势相关性。