一种电网负荷中长期预测方法、装置及计算机设备与流程

专利2025-08-08  31


本技术涉及电网负荷预测,尤其是涉及一种电网负荷中长期预测方法、装置及计算机设备。


背景技术:

1、目前,电力需求预测在电力系统规划中具有关键的地位,为电力系统的经济运行提供了坚实的基础。这一预测任务的核心焦点是电力负荷,通过深入预测电力负荷的时空分布,为电力系统规划和运行决策提供了可靠的依据。精确的负荷预测直接影响着发电设备的利用率和经济调度的效果,进一步增强了电力系统的安全和稳定性。相反,不准确的负荷预测容易导致运行成本上升、电量损失增加,经济压力加大,甚至对电力系统的稳定运行和电力市场的供需平衡产生负面影响。因此,准确的电力负荷预测至关重要。

2、然而,传统的电网负荷预测方法难以充分捕捉准确反映电网负荷数据的细节特征,影响了电网负荷预测的准确性。

3、针对上述中的相关技术,发明人发现现有的电网负荷预测方法存在有预测精度低的问题。


技术实现思路

1、为了提高电网负荷预测的精度,本技术提供了一种电网负荷中长期预测方法、装置及计算机设备。

2、第一方面,本技术提供一种电网负荷中长期预测方法。

3、本技术是通过以下技术方案得以实现的:

4、一种电网负荷中长期预测方法,包括以下步骤,

5、获取电网的原始负荷数据;

6、基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量,其中,所述残差分量为所述原始负荷数据中除去所述季节性分量和所述趋势分量以外的分量;

7、采用lstm模型对所述趋势分量进行预测,得到第一预测值;

8、采用tcn模型对所述季节性分量进行预测,得到第二预测值;

9、以及利用ceemd方法对所述残差分量进行预处理后,得到imfi分量,再采用tcn模型对所述imfi分量进行预测,得到第三预测值;

10、根据所述第一预测值、所述第二预测值和所述第三预测值,获得电网负荷的中长期预测值。

11、本技术在一较佳示例中可以进一步配置为:所述基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量的步骤包括,

12、在内循环过程中,通过预设次数的局部加权回归方法,结合局部权重和鲁棒权重,分解所述原始负荷数据,将回归结果作为所述趋势分量,再将回归结果减去局部趋势,得到所述季节性分量;

13、在外循环过程中,基于所述残差分量,采用预设的bisquare函数计算各节点的鲁棒权重,并根据所述鲁棒权重更新所述内循环的下一次局部加权回归过程的局部权重。

14、本技术在一较佳示例中可以进一步配置为:所述采用预设的bisquare函数计算各节点的鲁棒权重时,采用以下公式,

15、

16、

17、式中,为时步t的鲁棒权重,b(u)为bisquare函数,u为bisquare函数的自变量,median(·)为中位数函数,rt为残差分量。

18、本技术在一较佳示例中可以进一步配置为:所述基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量的步骤后,还包括,

19、利用集合卡尔曼滤波法对所述季节性分量、所述趋势分量和所述残差分量进行平滑处理,包括以下步骤,

20、根据所述季节性分量、所述趋势分量和所述残差分量,构造当前时刻背景集合;

21、计算所述当前时刻背景集合的样本协方差,得到预报误差方差;

22、利用蒙特卡罗方法,运行滤波器对所述当前时刻背景集合进行更新,得到当前时刻分析集合;

23、计算所述分析集合的样本协方差,作为校正误差方差;

24、所述分析集合通过模型传递,结合所述预报误差方差和所述校正误差方差,得到下一时刻背景集合;

25、重复上述步骤,直至得到目标时刻的所述季节性分量、目标时刻的所述趋势分量和目标时刻的所述残差分量的最佳估计,作为所述季节性分量、所述趋势分量和所述残差分量的平滑处理结果。

26、本技术在一较佳示例中可以进一步配置为:还包括以下步骤,

27、利用均方根误差对电网负荷的所述中长期预测值进行评估,均方根误差的评估公式如下,

28、

29、式中,rmse表示均方根误差,yi和分别为各时刻的电网负荷中长期真实值和电网负荷中长期预测值,n表示电网负荷中长期真实值的个数或电网负荷中长期预测值的个数;

30、当所述均方根误差满足第一预设条件时,判定电网负荷的所述中长期预测值满足要求。

31、本技术在一较佳示例中可以进一步配置为:还包括以下步骤,

32、利用平均绝对误差对电网负荷的所述中长期预测值进行评估,平均绝对误差的评估公式如下,

33、

34、式中,mae表示平均绝对误差,yi和分别为各时刻的电网负荷中长期真实值和电网负荷中长期预测值,n表示电网负荷中长期真实值的个数或电网负荷中长期预测值的个数;

35、当所述平均绝对误差满足第二预设条件时,判定电网负荷的所述中长期预测值满足要求。

36、第二方面,本技术提供一种电网负荷中长期预测装置。

37、本技术是通过以下技术方案得以实现的:

38、一种电网负荷中长期预测装置,包括,

39、数据模块,用于获取电网的原始负荷数据;

40、分解模块,用于基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量,其中,所述残差分量为所述原始负荷数据中除去所述季节性分量和所述趋势分量以外的分量;

41、第一预测模块,用于采用lstm模型对所述趋势分量进行预测,得到第一预测值;

42、第二预测模块,用于采用tcn模型对所述季节性分量进行预测,得到第二预测值;

43、第三预测模块,用于利用ceemd方法对所述残差分量进行预处理后,得到imfi分量,再采用tcn模型对所述imfi分量进行预测,得到第三预测值;

44、负荷预测模块,用于根据所述第一预测值、所述第二预测值和所述第三预测值,获得电网负荷的中长期预测值。

45、本技术在一较佳示例中可以进一步配置为:还包括,

46、平滑模块,用于利用集合卡尔曼滤波法对所述季节性分量、所述趋势分量和所述残差分量进行平滑处理。

47、本技术在一较佳示例中可以进一步配置为:还包括,

48、评估模块,用于利用均方根误差或平均绝对误差对电网负荷的所述中长期预测值进行评估。

49、第三方面,本技术提供一种计算机设备。

50、本技术是通过以下技术方案得以实现的:

51、一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一种电网负荷中长期预测方法的步骤。

52、综上所述,与现有技术相比,本技术提供的技术方案带来的有益效果至少包括:

53、基于预设的stl算法,将电网的原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量、原始负荷数据中除去季节性分量和趋势分量以外的残差分量,以关注电网负荷数据中的时空相关特性,充分捕捉用于准确反映电网负荷数据的时空相关性细节特征,有利于后续提高电网负荷预测模型的预测精度;采用tcn模型对季节性分量进行预测,得到第二预测值,以聚焦季节性分量特征对电网负荷预测的影响,更好地预测高峰期或低谷期的电网用电负荷;采用lstm模型对趋势分量进行预测,得到第一预测值,以聚焦趋势分量特征对电网负荷预测的影响,精准把握电网用电负荷的缓慢而长期的用电规律,lstm模型具有捕捉电网负荷序列数据中的长期依赖关系的优势;以及利用ceemd方法对残差分量进行预处理,以获得较为稳定的、周期性更强的imfi分量,有利于提高后续电网负荷预测模型的预测精度,再采用tcn模型对imfi分量进行预测,得到第三预测值,以聚焦负荷数据中其余的时空相关性特征对电网负荷预测的影响,全面考虑电网负荷数据中的时空相关性特征对电网负荷预测的影响,以及tcn模型具有并行处理输入负荷数据序列的特点,有利于提高模型的预测效率;最后,根据第二预测值、第一预测值和第三预测值,获得电网负荷的中长期预测值,进而预测时能够关注电网中长期负荷数据中的时空相关性,充分捕捉准确反映电网中长期负荷数据的细节特征,提高了电网中长期负荷预测的精度。


技术特征:

1.一种电网负荷中长期预测方法,其特征在于,包括以下步骤,

2.根据权利要求1所述的电网负荷中长期预测方法,其特征在于,所述基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量的步骤包括,

3.根据权利要求2所述的电网负荷中长期预测方法,其特征在于,所述采用预设的bisquare函数计算各节点的鲁棒权重时,采用以下公式,

4.根据权利要求1所述的电网负荷中长期预测方法,其特征在于,所述基于预设的stl算法,将所述原始负荷数据分解为用于表征随外部影响而交替出现高峰与低谷规律的季节性分量、用于表征随预设的自变量而呈现上升/下降/保持不变规律的趋势分量和残差分量的步骤后,还包括,

5.根据权利要求1所述的电网负荷中长期预测方法,其特征在于,还包括以下步骤,

6.根据权利要求1所述的电网负荷中长期预测方法,其特征在于,还包括以下步骤,

7.一种电网负荷中长期预测装置,其特征在于,包括,

8.根据权利要求7所述的电网负荷中长期预测装置,其特征在于,还包括,

9.根据权利要求7所述的电网负荷中长期预测装置,其特征在于,还包括,

10.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现权利要求1至6任意一项所述方法的步骤。


技术总结
本申请涉及一种电网负荷中长期预测方法、装置及计算机设备,其方法包括基于预设的STL算法,将电网的原始负荷数据分解为季节性分量、趋势分量和残差分量,采用LSTM模型对趋势分量进行预测,得到第一预测值;采用TCN模型对季节性分量进行预测,得到第二预测值;以及利用CEEMD方法对残差分量进行预处理后,得到imf<subgt;i</subgt;分量,再采用TCN模型对imf<subgt;i</subgt;分量进行预测,得到第三预测值;根据第一预测值、第二预测值和第三预测值,获得电网负荷的中长期预测值。本申请具有充分捕捉准确反映电网中长期负荷数据的细节特征,提高电网中长期负荷预测精度的效果。

技术研发人员:吴心弘,王泽荣,高标,何彦仪,窦迅,何宇,牛鹏艺,邓叶航,左娟,王文博,许崇鑫,马胜奎,陈森峰
受保护的技术使用者:国网浙江综合能源服务有限公司
技术研发日:
技术公布日:2024/6/26
转载请注明原文地址:https://doc.8miu.com/read-1823713.html

最新回复(0)