一种负荷自适应预测方法及装置与流程

本发明涉及电力技术领域，更具体地说，涉及一种负荷自适应预测方法及装置。

背景技术：

电网母线负荷预测是分析系统用电需求，预报未来电力负荷分布的有力工具，也是制定电力系统运行方式的重要依据。精确的母线负荷预测是合理安排生产调度计划，保证电力系统安全、经济运行的前提和保障，也是电网调度智能化的重要数据基础。特别是随着电力市场化改革的不断深化，规范母线负荷预测工作，推进电网母线负荷预报系统在实际中的应用，充分发挥母线负荷预测在电网安全、优质、经济运行中的效益，从而实现整个电网电力电量平衡分析工作中的精细化和经济化，提升电网调度的智能化水平，提升发电资源的优化配置效率，促进节能降耗的发电计划及运行方式的安排具有重要的意义。

目前用于实现负荷预测的方法很多，经常使用的有时间序列法、神经网络法、支持向量机法、组合预测方法等，上述方法基本都是基于历史数据构建对应的模型，进而利用该模型实现负荷的预测。但是发明人发现，上述方法实现负荷预测的预测精度较低。

综上所述，如何提供一种预测精度较高的用于实现母线负荷预测的技术方案，是目前本领域技术人员亟待解决的问题。

技术实现要素：

本发明的目的是提供一种负荷自适应预测方法及装置，以提供一种预测精度较高的用于实现母线负荷预测的技术方案。

为了实现上述目的，本发明提供如下技术方案：

一种负荷自适应预测方法，包括：

获取距离当前时刻最近的第一时间段内母线的历史负荷数据，及距离所述第一时间段对应时间最近的第二时间段内母线的历史负荷数据；

基于所述第二时间段内母线的历史负荷数据利用虚拟预测模型预测所述第一时间段内母线的预测负荷数据；

判断所述预测负荷数据与所述第一时间段内的历史负荷数据是否一致，如果是，则基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值，如果否，则调整所述虚拟预测模型的模型参数，并返回执行所述基于所述第二时间段内母线的历史负荷数据利用虚拟预测模型预测所述第一时间段内母线的预测负荷数据的步骤。

优选的，获取所述第一时间段内母线的历史负荷数据及所述第二时间段内的历史负荷数据，包括：

获取所述第一时间段内母线的历史负荷数据及所述第二时间段内的历史负荷数据，其中，所述第一时间段小于所述第二时间段。

优选的，基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值，包括：

基于所述第一时间段内的历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值。

优选的，基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值之后，还包括：

将所述目标时刻的母线负荷值发送至指定终端。

一种负荷自适应预测装置，包括：

获取模块，用于获取距离当前时刻最近的第一时间段内母线的历史负荷数据，及距离所述第一时间段对应时间最近的第二时间段内母线的历史负荷数据；

预测模块，用于基于所述第二时间段内母线的历史负荷数据利用虚拟预测模型预测所述第一时间段内母线的预测负荷数据；

优化模块，用于判断所述预测负荷数据与所述第一时间段内的历史负荷数据是否一致，如果是，则基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值，如果否，则调整所述虚拟预测模型的模型参数，并指示所述预测模块执行对应操作。

优选的，所述获取模块包括：

获取单元，用于获取所述第一时间段内母线的历史负荷数据及所述第二时间段内的历史负荷数据，其中，所述第一时间段小于所述第二时间段。

优选的，所述优化模块包括：

预测单元，用于基于所述第一时间段内的历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值。

优选的，还包括：

输出模块，用于基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值之后，将所述目标时刻的母线负荷值发送至指定终端。

本发明提供了一种负荷自适应预测方法及装置，其中该方法包括：获取距离当前时刻最近的第一时间段内母线的历史负荷数据，及距离所述第一时间段对应时间最近的第二时间段内母线的历史负荷数据；基于所述第二时间段内母线的历史负荷数据利用虚拟预测模型预测所述第一时间段内母线的预测负荷数据；判断所述预测负荷数据与所述第一时间段内的历史负荷数据是否一致，如果是，则基于所述历史负荷数据利用所述虚拟预测模型预测目标时刻的母线负荷值，如果否，则调整所述虚拟预测模型的模型参数，并返回执行所述基于所述第二时间段内母线的历史负荷数据利用虚拟预测模型预测所述第一时间段内母线的预测负荷数据的步骤。本申请公开的技术特征中，将部分历史负荷数据看做未知的数据，通过虚拟预测模型基于另一部分历史负荷数据得到未知的数据对应的预测负荷数据，进而通过调整模型参数使得未知的数据对应的历史负荷数据与预测负荷数据一致，从而通过上述自适应预测技术，采用反馈型的预测思路，通过对模型参数的调整保证了虚拟预测模型的预测精度，进而基于该虚拟预测模型实现未知对应数据的目标时刻的母线负荷值，大大提高了母线负荷预测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种负荷自适应预测方法的流程图；

图2为本发明实施例提供的一种负荷自适应预测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明实施例提供的一种负荷自适应预测方法的流程图，可以包括：

S11：获取距离当前时刻最近的第一时间段内母线的历史负荷数据，及距离第一时间段对应时间最近的第二时间段内母线的历史负荷数据。

其中，第一时间段和第二时间段的具体取值可以根据实际需要进行设定，均在本发明的保护范围之内。具体来说，历史负荷数据可以分别表示为：

H＝{i|i∈[d₁,d₄]}＝G+V

G＝{i|i∈[d₁,d₂]}

V＝{i|i∈[d₃,d₄]}

其中，i表示时间单位，如日期等，H表示全部历史负荷数据，H可细分为G和V两个部分；其中，V表示第一时间段内母线的历史负荷数据，G表示第二时间段内的历史负荷数据。另外需要说明的是，历史负荷数据可以包括母线在历史上的母线负荷值及该母线负荷值对应的时间等，具体还可以根据实际需要进行其他设定，均在本发明的保护范围之内。

S12：基于第二时间段内母线的历史负荷数据利用虚拟预测模型预测第一时间段内母线的预测负荷数据。

基于第二时间段内母线的历史负荷数据利用虚拟预测技术对应的虚拟预测模型可以预测第一时间段内母线的预测负荷数据，其中需要说明的是，利用虚拟预测技术对应的虚拟预测模型实现上述预测与现有技术中对应实现技术方案一致，如与现有技术中提到的时间序列法、神经网络法、支持向量机法、组合预测方法等对应的模型，而该虚拟预测模型中包含的模型参数也与现有技术中对应概念一致，对该模型参数的改变，可以导致虚拟预测模型的输入与输出对应关系的改变。具体来说，虚拟预测即假设的预测，本申请中以第一时间段内的历史负荷数据作为假设未发生的数据，将第二时间段内的历史负荷数据作为虚拟预测模型的输入，得到对应的输出，以即对第一时间段内的母线负荷数据的预测得到的预测负荷数据。

S13：判断预测负荷数据与第一时间段内的历史负荷数据是否一致，如果是，则基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值，如果否，则调整虚拟预测模型的模型参数，并返回执行步骤S12。

其中，判断预测负荷数据与第一时间段的历史负荷数据是否一致具体可以是判断上述两数据的差值，该差值小于预先设定的差值阈值，则说明上述两数据一致，还可以绘制出与上述两数据对应的曲线，两曲线的差异度小于预先设定的曲线差异度，也可以是预测负荷数据与第一时间段的历史负荷数据相同，则说明上述两数据一致，当然还可以根据实际需要进行其他设定，均在本发明的保护范围之内。简单来说，预测负荷数据与第一时间段内的历史负荷数据越接近，说明虚拟预测模型的预测精度越高，对应最优的为预测负荷数据与第一时间段内的历史负荷数据完全相同。对虚拟预测模型的模型参数进行调整，具体可以是改变该模型参数的大小，从而通过对模型参数的调整最终使得预测负荷数据与第一时间段内的历史负荷数据一致，以得到预测精度较高的虚拟预测模型。另外，返回执行步骤S12时所利用的虚拟预测模型为已经在步骤S13中调整过模型参数的虚拟预测模型。

具体来说，利用虚拟预测的原理，可以将上述实现过程表示为：

其中，表示对V的预测负荷数据，y_G为G的历史负荷数据，S_G为初始的模型参数，通过调整初始的模型参数S_G来优化虚拟预测模型，使得预测负荷数据与H的历史负荷数据尽可能地接近来得到优化的模型参数并利用来实现对未来的母线负荷值的预测。由此使得对虚拟预测模型的优化过程称为一个闭环的反馈过程，通过优化虚拟预测模型达到提高预测精度的目的。需要说明的是，对初始的模型参数的设定可以是选择默认参数或者上一次进行本发明实施例提供的负荷自适应预测方法后得到的优化的模型参数，当然还可以根据实际需要进行确定，均在本发明的保护范围之内。

另外，基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值，目标时刻指未来某时刻或者某段时间，如可以表示为：

F＝{i|i∈[d₅,d₆]}

其中，F表示需要预测的某段时间的母线负荷数据，需要预测的某段时间即由时刻d₅到时刻d₆。

本申请公开的技术特征中，将部分历史负荷数据看做未知的数据，通过虚拟预测模型基于另一部分历史负荷数据得到未知的数据对应的预测负荷数据，进而通过调整模型参数使得未知的数据对应的历史负荷数据与预测负荷数据一致，从而通过上述自适应预测技术，采用反馈型的预测思路，通过对模型参数的调整保证了虚拟预测模型的预测精度，进而基于该虚拟预测模型实现未知对应数据的目标时刻的母线负荷值，大大提高了母线负荷预测精度。

另外需要说明的是，针对每条需要进行负荷预测的母线，均需要通过步骤S11和步骤S12得到该母线对应的最优的虚拟预测模型，进而基于该虚拟预测模型实现对应母线的负荷预测，从而实现预测精度的提高。

本发明实施例提供的一种负荷自适应预测方法，获取第一时间段内母线的历史负荷数据及第二时间段内的历史负荷数据，可以包括：

获取第一时间段内母线的历史负荷数据及第二时间段内的历史负荷数据，其中，第一时间段小于第二时间段。

具体来说，第一时间段小于第二时间段的程度可以根据实际需要进行确定，由此，基于大部分的历史负荷数据实现小部分的历史负荷数据的预测能够在一定程度上保证该步虚拟预测的精度。

本发明实施例提供的一种负荷自适应预测方法，基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值，可以包括：

基于第一时间段内的历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值。

由于第一时间段为距离当前时刻最近的时间段，因此，基于第一时间段预测目标时刻的母线负荷值，能够一定程度上保证虚拟预测的精度。

本发明实施例提供的一种负荷自适应预测方法，基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值之后，还可以包括：

将目标时刻的母线负荷值发送至指定终端。

其中，指定终端可以是指预先设定的与指定工作人员对应的终端，由此，能够使得指定工作人员能够及时获知预测得到的母线负荷值，进而进行对应的操作等。

本发明实施例还提供了一种负荷自适应预测装置，如图2所示，可以包括：

获取模块11，用于获取距离当前时刻最近的第一时间段内母线的历史负荷数据，及距离第一时间段对应时间最近的第二时间段内母线的历史负荷数据；

预测模块12，用于基于第二时间段内母线的历史负荷数据利用虚拟预测模型预测第一时间段内母线的预测负荷数据；

优化模块13，用于判断预测负荷数据与第一时间段内的历史负荷数据是否一致，如果是，则基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值，如果否，则调整虚拟预测模型的模型参数，并指示预测模块执行对应操作。

本发明实施例提供的一种负荷自适应预测装置，获取模块可以包括：

获取单元，用于获取第一时间段内母线的历史负荷数据及第二时间段内的历史负荷数据，其中，第一时间段小于第二时间段。

本发明实施例提供的一种负荷自适应预测装置，优化模块可以包括：

预测单元，用于基于第一时间段内的历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值。

本发明实施例提供的一种负荷自适应预测装置，还可以包括：

输出模块，用于基于历史负荷数据利用虚拟预测模型预测目标时刻的母线负荷值之后，将目标时刻的母线负荷值发送至指定终端。

本发明实施例提供的一种负荷自适应预测装置中相关部分的说明请参见本发明实施例提供的一种负荷自适应预测方法中对应部分的详细说明，在此不再赘述。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。