[发明专利]一种基于周期自动编码器的电力负荷预测方法

说明书

本发明涉及一种基于周期自动编码器的电力负荷预测方法，包括：采集各个台区的电力负荷数据，形成历史电力时间序列；对历史电力时间序列进行预处理，通过训练好的周期自动编码器对历史电力时间序列进行重构，生成历史电力时间序列的嵌入序列；将历史电力时间序列的嵌入序列输入训练好的预测器，获得预测电力负荷序列数据。与现有技术相比，本发明具有预测精度高等优点。

技术领域

本发明涉及一种电力负荷预测方法，尤其是涉及一种基于周期自动编码器的电力负荷预测方法。

背景技术

随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。

随着现在极端天气的频繁出现，以及人们对于生活水平和生活质量要求的越来越高，人们对于用电的需求也越来越多。而随着居民家庭用电的增加，配电变压器台区重过载，尤其台区的冬季用电负荷过载情况严重，负荷峰谷差大，特别是春节期间，居民的用电水平达到一年内的最高峰，容易出现严重的过载情况。居民因“限电、停电、跳闸”，日常生活用电受到极大的影响。

配用电全局全量时序负荷数据预测是一种能够有效解决上述问题的技术手段，是电网规划、运行、节能管理的重要基础，配用电全局全量时序负荷数据预测通过对电力系统的负荷进行提早预测，进而使得电力系统能够提早做好准备，从而避免台区重过载。

但在进行个体层级的电力负荷预测时，由于这一层级的全局全量负荷具有高度的波动性和不确定性，现有的预测方法往往无法克服，导致预测精度不高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于周期自动编码器的电力负荷预测方法，预测精度高。

本发明的目的可以通过以下技术方案来实现：

一种基于周期自动编码器的电力负荷预测方法，包括：

采集各个台区的电力负荷数据，形成历史电力时间序列；

对历史电力时间序列进行预处理，通过训练好的周期自动编码器对历史电力时间序列进行重构，生成历史电力时间序列的嵌入序列；

将生成的嵌入序列输入训练好的预测器，获得预测电力负荷序列数据；

所述的历史电力时间序列xⁿ为；

其中，N为台区的数量，M为时间范围值，Q_k,t表示k台区在t时刻的电力负荷数据；

所述的周期自动编码器的重构过程为：

z^(n,1)＝sigmoid(W₁xⁿ+b₁)

z^(n,2)＝sigmoid(W₂z^(n,1)+b₂)

......

z^(n,l)＝sigmoid(W_lz^(n,l-1)+b_l)

......

z^(n,L)＝sigmoid(W_Lz^(n,L-1)+b_L)