[发明专利]基于mxnet框架深度神经网络的配变负荷预测方法

摘要

本发明公开了基于mxnet框架深度神经网络的配变负荷预测方法，涉及配变负荷预测方法。目前没有统一的方法对配变进行刻画和描述，工作人员无法对配变进行全面了解，不能精准的预测负荷变化趋势。本发明包括下步骤：获取系统内部数据和外部数据；对获取的数据进行提炼，获取负荷相关指标数据和历史负荷数据；以台区为单位，通过最优组合预测模型、人工神经网络算法，分别拟合负荷中长期负荷预测模型及短期负荷预测模型；针对负荷预测结果及指标维度，提炼与负荷相关的标签体系，构建台区画像视图；通过人机界面显示。本技术方案建立负荷预测评估模型，监测负荷波动，实现预测的连续性，掌握公变重要特性‑负荷动态变化过程，能精准的预测负荷变化趋势。

主权项

基于mxnet框架深度神经网络的配变负荷预测方法，其特征在于包括以下步骤：1）获取系统内部数据和外部数据，所述的系统内部数据包括GIS系统数据、PMS2.0、用电采集系统、在线监测系统、营销系统数据，所述的内部数据包括气象、宏观经济数据；2）对获取的数据进行提炼，获取负荷相关指标数据和历史负荷数据；3）以台区为单位，通过最优组合预测模型、人工神经网络算法，分别拟合负荷中长期负荷预测模型及短期负荷预测模型；4）针对负荷预测结果及指标维度，提炼与负荷相关的标签体系，构建台区画像视图；5）数据通过系统场景应用模块处理后形成对应的负荷特性分析、基于台区的负荷预测及画像体系展示、负荷预测结果多维度分析和负荷预测类标签定制组合分析的数据，并通过人机界面显示。