[发明专利]电力系统的短期负荷预测方法及装置

权利要求书

1.一种电力系统的短期负荷预测方法，其特征在于，包括：

获取目标区域内电力系统在历史时长内的历史电力负荷数据；

确定所述目标区域在预设的未来时长内的环境信息及电力信息；

对所述历史电力负荷数据、环境信息及电力信息进行处理，生成多个预测数据；

将各个所述预测数据输入预先训练完成的LSTM模型，应用所述LSTM模型对所述预测数据进行分析，获得所述目标区域的电力系统在所述未来时长内的未来短期负荷。

2.根据权利要求1所述的方法，其特征在于，所述对所述历史电力负荷数据、环境信息及电力信息进行处理，生成多个预测数据，包括：

获取所述历史电力负荷数据在环境维度和电力维度上的各个维度数据、所述环境信息中包含的多个环境数据，及所述电力信息中包含的多个电力数据；

按照预设的转换规则，将各个所述维度数据、环境数据及电力数据进行转换，获得多个输入向量，所述输入向量为预测数据。

3.根据权利要求2所述的方法，其特征在于，所述应用所述LSTM模型对所述预测数据进行分析，获得所述目标区域的电力系统在所述未来时长内的未来短期负荷，包括：

将各个预测数据输入经由所述LSTM模型的输入门输入至所述LSTM模型的遗忘门；

基于所述遗忘门预先设置的筛选规则，对各个所述预测数据进行筛选，获得筛选出的各个有效数据；

获取预设的函数算法，计算各个所述有效数据的权重值；

基于每个所述有效数据的权重值，计算所述目标区域的电力系统在所述未来时长内的各个未来短期负荷参数，以通过所述LSTM模型的输出门输出各个所述未来短期负荷参数；

基于各个所述未来短期负荷参数，生成所述目标区域的电力系统在所述未来时长内的未来短期负荷。

4.根据权利要求1或3所述的方法，其特征在于，训练所述LSTM模型的过程，包括：

获取预先设置的训练数据集，所述训练数据集包含多个训练数据与每个所述训练数据对应的数据标签；

执行预先设置的训练过程，所述训练过程包括：

将各个所述训练数据依次输入所述LSTM模型，获得所述LSTM模型输出的当前训练数据对应的训练结果；计算所述当前训练数据对应的训练结果与所述当前训练数据对应的数据标签之间的当前误差值，判断所述当前误差值是否在预设的误差范围内；当所述当前误差值不在预设的误差范围内时，基于所述当前误差值计算所述LSTM模型对应的损失函数，并应用所述损失函数调整所述LSTM模型的模型参数；当所述当前误差值在预设的误差范围内时，结束所述训练过程，获得训练完成的LSTM模型。

5.根据权利要求1所述的方法，其特征在于，还包括：

获取预设的孤立森林模型；

将所述历史电力负荷数据及所述未来时长输入所述孤立森林模型，触发所述孤立森林模型预测所述未来时长内所述目标区域的电力系统的报警值；

当所述报警值大于预设的报警阈值时，向预设的电力系统管理平台发送所述目标区域在所述未来时长内电力系统短期负荷对应的预警消息。

6.一种电力系统的短期负荷预测装置，其特征在于，包括：

第一获取单元，用于获取目标区域内电力系统在历史时长内的历史电力负荷数据；

确定单元，用于确定所述目标区域在预设的未来时长内的环境信息及电力信息；

处理单元，用于对所述历史电力负荷数据、环境信息及电力信息进行处理，生成多个预测数据；

预测单元，用于将各个所述预测数据输入预先训练完成的LSTM模型，应用所述LSTM模型对所述预测数据进行分析，获得所述目标区域的电力系统在所述未来时长内的未来短期负荷。

7.根据权利要求6所述的装置，其特征在于，所述处理单元，包括：

第一获取子单元，用于获取所述历史电力负荷数据在环境维度和电力维度上的各个维度数据、所述环境信息中包含的多个环境数据，及所述电力信息中包含的多个电力数据；

转换子单元，用于按照预设的转换规则，将各个所述维度数据、环境数据及电力数据进行转换，获得多个输入向量，所述输入向量为预测数据。