[发明专利]一种电力负荷预测方法、系统、计算机设备及存储介质

说明书

本发明公开了一种电力负荷预测方法、系统、计算机设备及存储介质，其方法包括：对历史用电量数据进行分解并还原，得到近似分量和残余分量，并分别进行特征处理，得到近似分量样本集和残余分量样本集；将近似分量样本集输入至神经网络中，获取近似分量的预测结果；将残余分量样本集输入至神经网络中，获取残余分量的预测结果；统计近似分量的预测结果和残余分量的预测结果的总和，得到电力负荷预测结果。本发明通过获取近似分量预测结果和残余分量预测结果，进而统计出电力负荷预测结果，提高了电力负荷预测的准确性，从而进一步提高电力负荷预测精度。

技术领域

本发明涉及电力负荷预测技术领域，尤其涉及一种电力负荷预测方法、系统、计算机设备及存储介质。

背景技术

随着电力市场竞争日趋激烈，用户需求不断提升，电网的安全及经济运行变得至关重要。发电部门的电力供应需紧跟实际的负荷消耗情况，使之保持稳定且高效，否则将会危及整个电力系统的安全和稳定。因此电力负荷的短期预测十分有必要，这不仅可以有效保障电网安全运行，也可以降低发电成本，满足用户需求和提高社会经济效益。但用电量除了具有明显的周期特性外，同时还有很多随机影响因素，从而形成了大量的噪声，影响电力负荷预测的预测速度和预测精度。

发明内容

本发明实施例提供了一种电力负荷预测方法、系统、计算机设备及存储介质，旨在解决现有技术中因外界随机因素导致的电力负荷预测的预测速度慢和预测精度低的问题。

第一方面，本发明实施例提供了一种电力负荷预测方法，其包括：

获取历史用电量数据，利用小波变换对所述历史用电量数据进行分解并还原，得到近似分量和残余分量；

对所述近似分量和所述残余分量分别进行特征处理，得到近似分量样本集和残余分量样本集；

将所述近似分量样本集中的样本数据输入至全连接层进行向量调整，并将调整后的样本数据输入到GRU神经网络中进行学习以获得近似分量特征数据，并将所述特征数据输入至Softmax层进行归一化处理，得到所述近似分量的预测结果；

将所述残余分量样本集转换为时频矩阵，并获取所述时频矩阵的频谱图，并根据所述频谱图获取残余分量图像样本集；对所述残余分量图像样本集中的样本数据进行特征提取，并将提取得到的残余分量特征数据输入至预先构建的卷积神经网络中进行学习，得到所述残余分量的预测结果；

统计所述近似分量的预测结果和所述残余分量的预测结果的总和，得到所述电力负荷预测结果。

第二方面，本发明实施例提供了一种电力负荷预测系统，其包括：

数据分解及还原模块，用于获取历史用电量数据，利用小波变换对所述历史用电量数据进行分解并还原，得到近似分量和残余分量；

特征处理模块，用于对所述近似分量和所述残余分量分别进行特征处理，得到近似分量样本集和残余分量样本集；

近似分量预测结果获取模块，用于将所述近似分量样本集中的样本数据输入至全连接层进行向量调整，并将调整后的样本数据输入到GRU神经网络中进行学习以获得近似分量特征数据，并将所述特征数据输入至Softmax层进行归一化处理，得到所述近似分量的预测结果；

残余分量预测结果获取模块，用于将所述残余分量样本集转换为时频矩阵，并获取所述时频矩阵的频谱图，并根据所述频谱图获取残余分量图像样本集；对所述残余分量图像样本集中的样本数据进行特征提取，并将提取得到的残余分量特征数据输入至预先构建的卷积神经网络中进行学习，得到所述残余分量的预测结果；

电力负荷预测结果获取模块，用于统计所述近似分量的预测结果和所述残余分量的预测结果的总和，得到所述电力负荷预测结果。