[发明专利]电力系统短期负荷的预测方法、装置、电子设备和介质

说明书

本申请公开了一种电力系统短期负荷的预测方法、装置、电子设备和介质，该方法和装置应用于电子设备，具体为采集待预测日的多种特征数据；对每种特征数据进行优化处理，得到多种优化数据；将多种优化数据输入预先训练的短期负荷预测模型，得到待预测日的电力负荷数据。通过对本方案的仔细研究可以发现，本方案针对短期负荷预测任务特点对上述各种特征数据进行了优化处理，从而提高了电力系统短期负荷预测的准确性。

技术领域

本申请涉及电网技术领域，更具体地说，涉及一种电力系统短期负荷的预测方法、装置、电子设备和介质。

背景技术

电力系统短期负荷预测，是电力调度计划制定的重要基础和依据。电力系统短期负荷预测的作用日益突显，其准确性关系到电力系统运行的安全性和经济性，以及电力供应的稳定性和可靠性。

针对电力系统短期负荷预测问题，目前已有不少基于机器学习的预测方法研究。一些研究基于历史负荷数据，利用自回归滑动平均模型和人工神经网络对每日24个整点的负荷进行预测；除了采用历史负荷数据作为输入特征，一些研究还引入了气象信息、日类型信息等构建特征向量，提高了短期负荷预测的准确性；一些研究同样采用了历史负荷数据、季节、日类型、气象数据等信息，构建神经网络的输入特征向量，实现了电力系统短期负荷的预测。

但本申请的发明人在研究中发现，上述研究在进行负荷预测的特征选择时，大多采用气象信息、日类型信息和历史负荷数据作为负荷预测模型的输入特征。但未针对短期负荷预测任务特点对上述特征数据进行优化处理，从而制约了对电力系统短期负荷预测的准确性。

发明内容

有鉴于此，本申请提供一种电力系统短期负荷的预测方法、装置、电子设备和介质，用于提高对电力系统短期负荷预测的准确性。

为了实现上述目的，现提出的方案如下：

一种电力系统短期负荷的预测方法，应用于电子设备，所述预测方法包括步骤：

采集待预测日的多种特征数据；

对每种所述特征数据进行优化处理，得到多种优化数据；

将所述多种优化数据输入预先训练的短期负荷预测模型，得到所述待预测日的电力负荷数据。

可选的，所述多种特征数据包括当日的气象特征数据和日类型特征数据，还包括历史同时期的历史负荷数据。

可选的，所述对每种所述特征数据进行优化处理，得到多种优化数据，包括步骤：

针对所述气象特征数据所包含的所有数据中，从中选择温度数据和湿度数据并进行泛化处理，得到优化的气象特征矩阵；

针对所述日类型特征数据，通过考虑所述待预测日的月份、星期和工作日进行优化处理，得到优化的日类型特征列向量；

针对所述历史负荷数据，基于历史日与所述待预测日的差异对所述历史负荷数据进行优化处理，得到优化的历史负荷特征矩阵；

所述多种优化数据包括所述气象特征矩阵、所述日类型特征列向量和所述历负荷特征矩阵。

可选的，所述短期负荷预测模型包括卷积神经网络和全连接层，其中：

所述卷积神经网络用于对所述多种优化数据进行卷积计算、非线性化处理和最大池化计算处理，得到多个列向量；

所述全连接层用于对所述多个列向量进行处理，得到所述电力负荷数据。

一种电力系统短期负荷的预测装置，应用于电子设备，所述预测装置包括：

数据采集模块，被配置为采集待预测日的多种特征数据；

优化处理模块，被配置为对每种所述特征数据进行优化处理，得到多种优化数据；