[发明专利]电力负荷预测模型的构建方法与电力负荷预测方法

权利要求书

1.一种电力负荷预测模型构建方法，其特征在于，所述方法包括：

获取电力系统的原始数据；

对所述原始数据进行预处理，得到训练数据集；

获取基于贝叶斯优化算法优化得到的超参数最优长短期记忆神经网络模型；

将所述训练数据集输入到所述超参数最优长短期记忆神经网络模型中进行训练，得到电力负荷预测模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述训练数据集输入到所述超参数最优长短期记忆神经网络模型中进行训练，得到电力负荷预测模型包括：

获取所述训练数据集，所述训练数据集包括实际电力负荷数据与气象因素数据；

将所述训练数据集中的气象因素数据输入超参数最优长短期记忆神经网络模型中，输出电力负荷预测数据；

将所述电力负荷预测数据与所述训练数据集中的实际电力负荷数据进行比较，得到所述电力负荷预测数据与实际电力负荷数据之间的均方误差；

当所述均方误差小于预设的阈值时，结束训练过程，得到最终的训练结果；

根据所述最终的训练结果，得到电力负荷数据与气象因素数据之间的映射关系；

根据所述映射关系，得到电力负荷预测模型。

3.根据权利要求1所述的方法，其特征在于，所述预处理包括：

缺失值填补、异常值检测修正、特征相关性分析、归一化以及划分处理中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述对所述原始数据进行预处理，得到训练数据集包括：

对所述原始数据进行预处理，得到训练数据集和测试数据集；

所述将所述训练数据集输入到所述超参数最优长短期记忆神经网络模型中进行训练，得到电力负荷预测模型之后，还包括：

根据所述测试数据集对所述电力负荷预测模型进行测试评估，得到所述电力负荷预测模型的评估结果。

5.根据权利要求4所述的方法，其特征在于，所述根据所述测试数据集对所述电力负荷预测模型进行测试评估，得到所述电力负荷预测模型的评估结果包括：

获取测试数据集，所述测试数据集包括实际电力负荷数据与气象因素数据；

将所述测试数据集中的气象因素数据输入至所述电力负荷预测模型中，得到电力负荷预测数据；

根据所述电力负荷预测数据与所述测试数据集中的实际电力负荷数据，得到所述电力负荷预测数据与所述实际电力负荷数据之间的均方误差和所述电力负荷预测模型的准确率；

根据所述均方误差和准确率，对所述电力负荷预测模型进行评估，得到所述电力负荷预测模型的评估结果。

6.一种电力负荷预测方法，其特征在于，所述方法包括：

获取电力系统所处环境的气象因素数据；

将所述气象因素数据输入至所述电力负荷预测模型中，得到电力系统的电力负荷预测结果；其中所述电力负荷预测模型采用如权利要求1-5任意一项所述的方法构建得到。

7.一种电力负荷预测模型构建装置，其特征在于，所述装置包括：

数据获取模块，用于获取电力系统的原始数据；

数据处理模块，用于对原始数据进行预处理，得到训练数据集；

模型训练模块，获取基于贝叶斯优化算法优化得到的超参数最优长短期记忆神经网络模型中；将训练数据集输入到所超参数最优长短期记忆神经网络模型中进行训练，得到电力负荷预测模型。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的电力负荷预测模型构建方法的步骤或执行如权利要求6所述的电力负荷预测方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的电力负荷预测模型构建方法的步骤或执行如权利要求6所述的电力负荷预测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求 1至5中任一项所述的电力负荷预测模型构建方法的步骤或执行如权利要求6所述的电力负荷预测方法。