[发明专利]一种基于人工智能的电网负荷预测方法

说明书

本发明涉及负荷预测，具体涉及一种基于人工智能的电网负荷预测方法，构建电网负荷的影响因素集，从历史数据中获取各影响因素集中的影响因素数据与负荷数据；计算影响因素集对应影响因素与电网负荷的关联度，并基于关联度筛选出目标影响因素；根据目标影响因素对历史数据中的负荷数据进行聚类，并训练得到各目标影响因素对应的负荷预测神经网络模型；获取目标日对应的影响因素数据，将影响因素数据输入对应的负荷预测神经网络模型中，得到目标日的第一负荷预测结果；对第一负荷预测结果、第二负荷预测结果进行综合评判，得到最终负荷预测结果；本发明提供的技术方案能够克服对电网负荷预测的准确度较低，同时预测的针对性和适用性都比较差的缺陷。

技术领域

本发明涉及负荷预测，具体涉及一种基于人工智能的电网负荷预测方法。

背景技术

智能电网旨在创建自动化和高效的能源输送网络，通过提高电力输送的可靠性和质量，以满足能源效率和需求侧管理等方面的要求。对于电网负荷的预测，是保证电网安全可靠运行、减少电网经济损失的关键所在，提高电网负荷预测的精度多年来一直是人们研究的重点。

针对电网负荷预测目前已有许多预测方法，例如，采用前馈神经网络、循环神经网络、序列到序列的神经网络，或者时间卷积神经网络等机器学习模型进行电网负荷的预测。将机器学习的算法应用于电网负荷预测，能够处理负荷数据的波动性和随机性等问题，在一定程度上提高对电网负荷预测的精度，为电网的管理和调度提供准确依据。

然而，现有电网负荷预测方法的针对性和适用性都比较差，并且由于城市内人们的经济活动以及气候的季节性，电网负荷往往表现出较强的周期性和趋势性，但是现有电网负荷预测方法没有很好地结合周期性特点对电网负荷进行有效预测。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于人工智能的电网负荷预测方法，能够有效克服现有技术所存在的对电网负荷预测的准确度较低，同时预测的针对性和适用性都比较差的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于人工智能的电网负荷预测方法，包括以下步骤：

S1、构建电网负荷的影响因素集，从历史数据中获取各影响因素集中的影响因素数据与负荷数据；

S2、计算影响因素集对应影响因素与电网负荷的关联度，并基于关联度筛选出目标影响因素；

S3、根据目标影响因素对历史数据中的负荷数据进行聚类，并训练得到各目标影响因素对应的负荷预测神经网络模型；

S4、获取目标日对应的影响因素数据，将影响因素数据输入对应的负荷预测神经网络模型中，得到目标日的第一负荷预测结果；

S5、在不同周期下对历史数据中的负荷数据进行相关性分析，基于相关性分析结果利用电网负荷神经网络模型获取目标日在不同周期下的负荷预测序列；

S6、对负荷预测序列进行波动分解，基于波动分解结果生成预测特征序列，利用预测特征序列得到目标日的第二负荷预测结果；

S7、对基于影响因素得到的第一负荷预测结果、基于时间周期得到的第二负荷预测结果进行综合评判，得到最终负荷预测结果。

优选地，S2中计算影响因素集对应影响因素与电网负荷的关联度，包括：

将各影响因素集中的影响因素数据作为比较序列，将各影响因素数据对应的负荷数据作为参考序列，基于灰色关联分析确定各影响因素与电网负荷的关联度。

优选地，S2中基于关联度筛选出目标影响因素，包括：

筛选出与电网负荷的关联度大于预设关联度阈值的影响因素作为目标影响因素。