[发明专利]一种电网短期负荷预测方法和装置

说明书

本申请适用于人工智能技术领域，提供了一种电网短期负荷预测方法和装置，其中，该方法包括：获取预测日的影响因素数据和至少一个同类型日日均负荷曲线，然后基于支持向量机对预测日在任一时刻与所述影响因素数据和至少一个同类型日日均负荷曲线最接近的历史日负荷特征数据的最优解，输出预测日负荷曲线。本申利用预测日的至少一个同类型日日均负荷曲线来作为进行预测的参考曲线，实现了支持向量机对负荷预测精度的有效提升。

技术领域

本申请属于人工智能技术领域，尤其涉及一种电网短期负荷预测方法和装置。

背景技术

随着电力交易不断改革，现货市场市场交易规则品种更加复杂，售电公司要想在交易中取得利润最大化，对于精准的负荷预测的需求必不可少。

目前针对售电公司用户侧的负荷预测方法中有采用人工智能的方式进行预测，不过效果不太理想。其原因包括：在进行人工智能算法训练时，对获取到的训练数据直接进行预测，没有进行数据的特征区分；在利用核函数来进行获取最优解时仅是核函数的单一选择，没有对核函数的核参数进行优化。因此，针对售电公司用户侧的负荷预测方法还有可改进之处。

发明内容

有鉴于此，本发申请实施例提供了一种电网短期负荷预测方法和装置，以解决现有电网短期负荷预测精度不高的问题。

第一方面

本申请实施例提供了一种电网短期负荷预测方法，其包括以下步骤：获取预测日的影响因素数据和至少一个同类型日日均负荷曲线；基于支持向量机对预测日在任一时刻与所述影响因素数据和至少一个同类型日日均负荷曲线最接近的历史日负荷特征数据的最优解，输出预测日负荷曲线。

在一些可选实施方案中，所述预测日的影响因素数据包括预测日的日期类型和气象数据。

在一些可选实施方案中，所述至少一个同类型日日均负荷曲线包括：所述预测日与相似日的近期负荷特征的相似度，计算公式包括：

其中，ρ表示日相关系数，X_i表示预测日的特征向量，X_j表示历史日的特征向量，Cov(X_i,X_j)表示预测日和历史日的特征向量协方差，σ₁表示预测日的标准差，σ₂表示历史日的标准差，T表示特征向量的维度的数量，t表示其中一个特征维度。

在一些可选实施方案中，所述基于支持向量机对预测日在任一时刻与所述影响因素数据和至少一个同类型日日均负荷曲线最接近的历史日负荷特征数据的最优解，输出预测日负荷曲线，包括：选取历史日负荷特征数据，所述历史日负荷特征数据包括多个与预测日相似度满足预设范围的历史日特征数据，各所述历史日特征数据包括影响因素数据和至少一个同类型日日均负荷曲线；基于所述多个历史日特征数据在支持向量机中计算预测预测日在任一时刻最接近实际负荷值的最优解；根据所述最优解输出预测日负荷曲线。

在一些可选实施方案中，所述选取历史日负荷特征数据，所述历史日负荷特征数据包括多个与预测日相似度满足预设范围的历史日特征数据，各所述历史日特征数据包括影响因素数据和至少一个同类型日日均负荷曲线，包括：获取相对所述预测日的多个历史日特征数据，所述历史日特征数据包括影响因素数据和至少一个同类型日日均负荷曲线；计算所述多个历史日特征数据分别与预测日的曲线相似度值；选择所述多个历史日特征数据中曲线相似度值满足预设范围的历史日特征数据作为目标数据。

在一些可选实施方案中，所述曲线相似度值的计算公式包括：