申请/专利权人：深圳供电局有限公司

申请日：2022-01-07

公开（公告）日：2024-06-28

公开（公告）号：CN114254838B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/067;G06Q50/06;G06F18/214;G06F18/241;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.04.26#实质审查的生效;2022.03.29#公开

摘要：本发明涉及一种短期电力负荷预测影响因子的确定方法。该方法包括：建立短期负荷影响因子库，短期负荷影响因子库包括多个影响因子的历史数据；获取历史电力负荷数据，并将历史电力负荷数据输入已训练好的正常日负荷预测模型中进行预测，得到待预测日的电力负荷预测数据；根据各影响因子的所述历史数据和所述电力负荷预测数据，计算每一影响因子与电力负荷的相关性程度；根据各影响因子与电力负荷的相关性程度高低，确定用于进行短期电力负荷预测的影响因子。本发明通过确定对短期电力负荷预测影响较大的影响因子，能够更有针对性进行短期电力负荷预测，降低短期电力负荷预测的难度。

主权项：1.一种短期电力负荷预测影响因子的确定方法，其特征在于，包括：步骤S1，建立短期负荷影响因子库，所述短期负荷影响因子库包括多个影响因子的历史数据；步骤S2，获取历史电力负荷数据，并将所述历史电力负荷数据输入已训练好的正常日负荷预测模型中进行预测，得到待预测日的电力负荷预测数据；步骤S3，根据各影响因子的所述历史数据和所述电力负荷预测数据，计算每一影响因子与电力负荷的相关性程度；步骤S4，根据各影响因子与电力负荷的相关性程度高低，确定用于进行短期电力负荷预测的影响因子;其中，所述步骤S1中，建立短期负荷影响因子库，具体包括：针对选定区域、行业或用户，建立所述短期负荷影响因子库；所述步骤S2中，获取历史电力负荷数据，具体包括：获取所述选定区域、行业或用户的历史电力负荷数据；其中，所述步骤S2中，所述正常日负荷预测模型的训练过程，具体包括：获取基准日之前多个负荷日的历史电力负荷数据；选定分类周期，按照分类周期对历史电力负荷数据进行周期分类，其中每个周期中存在一个与待预测日负荷类型相同的同类型日；以基准日为起点，依次往前一天计数，形成所述多个负荷日的日负荷曲线的集合，作为历史样本集合；对所述历史样本集合进行重新排序，形成相关负荷集合，其中，对所述历史样本集合进行重新排序的方式是，先按照周期的顺序对所述历史样本集合中的同类型日的日负荷曲线进行排序，再按照距离基准日的远近次序对所述历史样本集合中的其他负荷日的日负荷曲线依次进行排序，其中距离基准日越近，排序越靠前，且所述其他负荷日排列在同类型日之后；以所述相关负荷集合作为训练样本，对所述正常日负荷预测模型进行训练；其中，所述步骤S3中，计算每一影响因子与电力负荷的相关性程度，具体包括：基于互信息计算每一影响因子与电力负荷的相关性程度，其中每一影响因子与电力负荷之间的互信息表示为： 式中，随机变量X为影响因子，随机变量Y为电力负荷，px,y为联合概率分布函数，px和py为边界概率分布函数。

全文数据：

权利要求：

百度查询： 深圳供电局有限公司 一种短期电力负荷预测影响因子的确定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD