一种多元化负荷区间预测方法及装置与流程

本申请涉及负荷预测和规划技术领域，尤其涉及一种多元化负荷区间预测方法及装置。

背景技术：

负荷预测是根据系统的运行特性、增容决策、自然条件与社会影响等诸多因数，在满足一定精度要求的条件下，确定未来某特定时刻的负荷数据，其中负荷是指电力需求量(功率)或用电量。负荷预测是电力系统经济调度中的一项重要内容，是能量管理系统(ems)的一个重要模块。

现有技术中，通过电力负荷的过去电力需求量和现在电力需求量来推测它的未来电力需求量，具体的，对负荷的相关数据信息进行点预测，得到负荷在未来一段时间的预测值，进而通过预测值，经济合理地安排电网内部发电机组的启停，保持电网运行的安全稳定性，合理安排机组检修计划，有效地降低发电成本，提高经济效益。

但是随着当今社会的快速发展,负荷的类型和形式向着各种各样的方向发展，具体包括电力负荷、热负荷等。这种新型的多元化负荷较传统的电力负荷更为复杂多样，且不同类型负荷对电力系统可靠性和供电质量的需求各异，仅对多元化负荷的进行点预测，准确度很低。

技术实现要素：

本申请提供一种多元化负荷区间预测方法及装置，以解决现有技术中，仅对多元化负荷的进行点预测，准确度很低的技术问题。

一种多元化负荷区间预测方法，其特征在于，所述方法包括：

获取多元化负荷历史数据信息和多组负荷真实值，并对所述多元化负荷历史数据信息进行点预测，确定与所述多组负荷真实值一一对应的多组负荷预测值；

根据所述一一对应的多组负荷预测值以及多组负荷真实值，确定每组负荷预测值的误差；

获取多组预测误差正态分布函数，每组预测误差正态分布函数与每组负荷预测值的误差一一对应；

根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段；

根据所述多组预测误差正态分布函数和所述多个预测区间段，生成多元化负荷条件概率区间预测模型；

对所述多元化负荷条件概率区间预测模型进行迭代优化，优化过程中，对所述预测区间边界参数进行更新，确定最优预测区间边界参数值；所述最优边界参数值是指，在保证每组所述负荷真实值落在对应的预测区间段内的前提下，使得各个预测区间段范围最小的预测区间边界参数值；

根据所述最优预测区间边界参数，确定多元化负荷的最优预测区间。

可选的，所述获取多组预测误差正态分布函数，包括：

根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差；

根据所述每组负荷预测值的误差、所述误差均值以及所述误差标准差，确定多组预测误差正态分布函数。

可选的，所述根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段，包括：

根据所述预设的预测区间边界参数，确定所述预测区间边界参数所对应的正态分布分位点；

根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差；

针对任一负荷预测值，根据所述正态分布分位点、所述误差均值和所述误差标准差，确定一组预测区间段的上下限值；

根据所述预测区间边界参数，所述一组预测区间段的上下限值确定一组预测区间段的边界值；

根据所述一组预测区间段的上下限值和所述一组预测区间段的边界值，确定一个预测区间段；

获取多个预测区间段。

可选的，在所述确定多元化负荷的最优预测区间后，还包括：

对所述最优预测区间进行预测评估；所述预测评估用于验证所述最优预测区间的有效性和正确性。

可选的，所述预测区间评估包括：平均覆盖率误差评估、灵敏度评估和综合得分值评估。

本申请第二方面公开了一种多元化负荷区间预测装置，所述装置应用于第一方面所述的多元化负荷区间预测方法，所述装置包括：

点预测模块，用于获取多元化负荷历史数据信息和多组负荷真实值，并对所述多元化负荷历史数据信息进行点预测，确定与所述多组负荷真实值一一对应的多组负荷预测值；

误差获取模块，用于根据所述一一对应的多组负荷预测值以及多组负荷真实值，确定每组负荷预测值的误差；

函数获取模块，用于获取多组预测误差正态分布函数，每组预测误差正态分布函数与每组负荷预测值的误差一一对应；

区间划分模块，用于根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段；

区间预测模型建立模块，用于根据所述多组预测误差正态分布函数和所述多个预测区间段，生成多元化负荷条件概率区间预测模型；

优化处理模块，用于对所述多元化负荷条件概率区间预测模型进行迭代优化，优化过程中，对所述预测区间边界参数进行更新，确定最优预测区间边界参数值；所述最优边界参数值是指，在保证每组所述负荷真实值落在对应的预测区间段内的前提下，使得各个预测区间段范围最小的预测区间边界参数值；

最优预测区间获取模块，用于根据所述最优预测区间边界参数，确定多元化负荷的最优预测区间。

可选的，所述函数获取模块包括：

均值标准差获取单元，用于根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差；

函数获取单元，根据所述每组负荷预测值的误差、所述误差均值以及所述误差标准差，确定多组预测误差正态分布函数。

可选的，所述区间划分模块包括：

正态分布分位点获取单元，用于根据所述预设的预测区间边界参数，确定所述预测区间边界参数所对应的正态分布分位点；

均值标准差获取单元，用于根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差；

区间上下限值获取单元，用于针对任一负荷预测值，根据所述正态分布分位点、所述误差均值和所述误差标准差，确定一组预测区间段的上下限值；

边界值获取单元，用于根据所述预测区间边界参数，所述一组预测区间段的上下限值确定一组预测区间段的边界值；

预测区间段获取单元，用于根据所述一组预测区间段的上下限值和所述一组预测区间段的边界值，确定一个预测区间段；获取多个预测区间段。

可选的，所述多元化负荷区间预测装置，还包括预测评估模块，所述预测评估模块用于在所述确定多元化负荷的最优预测区间后，对所述最优预测区间进行预测评估；所述预测评估用于验证所述最优预测区间的有效性和正确性。

可选的，所述预测区间评估包括：平均覆盖率误差评估、灵敏度评估和综合得分值评估。

本申请公开了一种多元化负荷区间预测方法及装置，首先通过获取多元化负荷历史数据信息和多组负荷真实值，研究负荷预测值与预测误差正态分布函数的相互关系。然后将负荷预测值划分为不同的预测区间段，以正态分布拟合每个预测区间段内负荷预测值的误差分布，并建立多元化负荷条件概率区间预测模型。接着对所述多元化负荷条件概率区间预测模型进行迭代优化，最后确定多元化负荷的最优预测区间。本申请还通过对所述最优预测区间进行预测评估，来验证所述最优预测区间的有效性和正确性。

本申请考虑仅对多元化负荷进行点预测，会存在不可避免的预测误差，因此得出预测的上、下限值变得尤为重要。由此考虑对多元化负荷进行区间预测，并且在保证每组负荷真实值都落在对应获取的预测区间段内的前提下，各个预测区间段范围越小越好，使得预测结果更加准确，为电力系统的运行调控提供切实可靠的信息。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种多元化负荷区间预测方法的流程示意图；

图2为本申请实施例公开的一种多元化负荷区间预测方法中，预测区间划分的示意图；

图3为本申请实施例公开的一种多元化负荷区间预测方法中，负荷预测值的误差分布直方图；

图4为本申请实施例公开的一种多元化负荷区间预测方法中，预测区间边界参数为0.95时最优预测区间的预测结果图；

图5为本申请实施例公开的一种多元化负荷区间预测装置的结构示意图。

具体实施方式

为了解决现有技术中，仅对多元化负荷的进行点预测，准确度很低的技术问题，本申请通过以下两个实施例公开一种多元化负荷区间预测方法及装置。

本申请第一实施例公开了一种多元化负荷区间预测方法，具体参见图1所示的流程示意图，所述方法包括：

步骤s101，获取多元化负荷历史数据信息和多组负荷真实值，并对所述多元化负荷历史数据信息进行点预测，确定与所述多组负荷真实值一一对应的多组负荷预测值。

具体来说，点预测的方法有很多，有通过机器学习建立负荷预测的方法，也有通过深度学习来挖掘负荷数据内在的特征的预测方法，包括时间序列法、持续法、灰色预测法、支持向量机以及神经网络算法等等。点预测方法存在不可避免的预测误差，因此得出预测的上、下限值变得尤为重要，导致预测结果产生误差的原因有很多，在不同的条件下，预测误差服从的误差分布函数也存在差异性。

在本申请的部分实施例中，以机器学习中的小波分解与lstm网络为例进行了多元化负荷的点预测，并得出点预测误差情况。具体来说，在实际操作过程中，首先采集10个月的多元化负荷历史数据信息，计算各个特征与未来四小时时刻多元化负荷之间的皮尔逊相关性系数值，筛选强相关性特征作为数据集。对多元化负荷历史数据进行小波分解，得到若干个小波分量。以当前时刻前若干个功率特征为输入变量，负荷预测值作为输出变量建立每个小波分解的输入输出模型。对整个样本集进行0均值归一化处理，再对输入变量集进行pca降维，划分3000个样本作为模型的训练集，划分6000个样本作为测试集。对所有的小波分量样本训练集进行lstm网络训练，将各自小波样本测试集输入变量代入训练好的网络模型中，得到所有的小波样本的预测值与真实值，叠加所有小波分量的预测值与真实值，完成基于小波分解与lstm网络的多元化负荷点预测。

步骤s102，根据所述一一对应的多组负荷预测值以及多组负荷真实值，确定每组负荷预测值的误差。

步骤s103，获取多组预测误差正态分布函数，每组预测误差正态分布函数与每组负荷预测值的误差一一对应。

进一步的，所述获取多组预测误差正态分布函数，包括：

根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差。

根据所述每组负荷预测值的误差、所述误差均值以及所述误差标准差，确定多组预测误差正态分布函数。

具体来说，将负荷预测值与负荷真实值之间的误差作为条件，构建不同预测值区间下的预测误差参数化分布函数，以此来用于多元化负荷的预测误差刻画，在本实施例当中，以正态分布为例，在实际的应用中可以根据多元化负荷类型的不同，选取对不同的参数化分布函数。在本申请的部分实施例中，将大量收集的多元化负荷历史数据信息与负荷真实值进行分析，得出负荷预测值的误差，进而进行分析建模，将负荷预测值的误差的随机变量记作x，那么x的概率密度函数以如下的形式表示为：

式中：μ、σ分别为负荷预测值的误差x的均值和标准差。

负荷预测值的误差对应的分布函数表示为：

步骤s104，根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段。

进一步的，所述根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段，包括：

根据所述预设的预测区间边界参数，确定所述预测区间边界参数所对应的正态分布分位点。

根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差。

针对任一负荷预测值，根据所述正态分布分位点、所述误差均值和所述误差标准差，确定一组预测区间段的上下限值。

根据所述预测区间边界参数，所述一组预测区间段的上下限值确定一组预测区间段的边界值。

根据所述一组预测区间段的上下限值和所述一组预测区间段的边界值，确定一个预测区间段。

由此获取多个预测区间段。

参见图2，为本申请实施例公开的一种多元化负荷区间预测方法中，预测区间划分的示意图。具体来说，设置预测区间边界参数的初始值[α1，α2，,α3，α4，...，αn]，预测区间边界参数α用于对预测区间段进行划分，则可以计算出负荷预测值的误差分别在[min，t1]，[t1，t2]，[t2，t3]，[t3，t4]，[t4，t5]，…，[tn，max]预测区间段内的正态分布模型。

根据概率统计学理论，在正态分布条件下，用于评价置信度的预测区间边界参数α的条件下，多元化负荷的概率预测的置信区间为：

max＝y+z*σ+u

min＝y-z*σ+u

式中：max为预测区间段的上限值，min为预测区间段的下限值，y为预测值，z为预测区间边界参数α对应的正态分布分位点，σ和u为负荷预测值的误差的标准差与均值。

预测值区间段的边界值ti与预测区间边界参数αi之间的关系如下：

ti＝min+αi*(max-min)

式中：αi为0-1之间的常数，其决定最终划分的区间段质量优劣。

具体来说，条件概率区间预测是根据某一特征将预测误差划分为不同模块所建立的一种更加客观可靠的概率预测方法，所以将多元化负荷预测值划分为不同的预测区间段，并且将每个区间段内的多元化负荷预测误差的分布函数拟合为正态分布，能够将负荷预测值的误差分布描述的更加细腻，使得最终的概率预测的结果更加可靠。

步骤s105，根据所述多组预测误差正态分布函数和所述多个预测区间段，生成多元化负荷条件概率区间预测模型。

步骤s106，对所述多元化负荷条件概率区间预测模型进行迭代优化，优化过程中，对所述预测区间边界参数进行更新，确定最优预测区间边界参数值。所述最优边界参数值是指，在保证每组所述负荷真实值落在对应的预测区间段内的前提下，使得各个预测区间段范围最小的预测区间边界参数值。

在本申请的部分实施例中，基于pso优化方法对多元化负荷条件概率区间预测模型进行寻优，寻找最优预测区间边界参数值，使得预测区间的综合质量达到最佳。

步骤s107，根据所述最优预测区间边界参数，确定多元化负荷的最优预测区间。

进一步的，在所述确定多元化负荷的最优预测区间后，还包括：

对多个样本的所述最优预测区间进行预测评估。所述预测评估用于验证所述最优预测区间的有效性和正确性。所述预测区间评估包括：平均覆盖率误差评估、灵敏度评估和综合得分值评估。

具体来说，平均覆盖率误差评估，用于评估最优预测区间的可靠度，其绝对值越小，预测区间越可靠，具体通过如下公式进行：

r＝[ζ-(1-α)]×100％

式中，r表示在预测区间边界参数为1-α时，最优预测区间的平均覆盖率误差，ζ表示在预测区间边界参数为1-α时最优预测区间的实际覆盖率。

灵敏度评估，用于描述最优预测区间平均宽度的变化情况，并且灵敏度值越低，区间宽度越窄，具体通过如下公式进行：

式中，n表示测试样本个数，upi和lowi分别表示第i个样本的最优预测区间上限值和下限值，r表示负荷的最大容量值。

综合得分值评估，用于决定最优预测区间的综合质量高低，并且综合得分值绝对值越小，最优预测区间的质量就越高，反之则越差，具体通过如下公式进行：

式中，表示在预测区间边界参数为1-α时，第i个样本的最优预测区间宽度，up(i)和low(i)分别表示第i个样本的最优预测区间上限值和下限值，yt(i)表示第i个样本的真实值，n表示测试样本的个数，sc(i)表示第i个样本的得分，s表示最优预测区间的综合得分值。

在实际操作过程中，具体参见图3，为本申请实施例公开的一种多元化负荷区间预测方法中，负荷预测值的误差分布图，其中图3中的(a)图、(b)图、(c)图和(d)图分别表示负荷预测值的误差在[0，3.701]、[3.701，22.952]、[22.952，32.984]和[32.984，148.5]的预测误差直方图。具体参见图4，为本申请实施例公开的一种多元化负荷区间预测方法中，预测区间边界参数为0.95时的最优预测区间的预测结果图。由图可知，将条件正态分布模型引入多元化负荷区间预测中，能够提升概率预测结果的可靠度，提高预测区间质量，能够为系统的运行和调控提供可靠信息和依据。

由以上技术方案可知，本申请公开了一种多元化负荷区间预测方法及装置，首先通过获取多元化负荷历史数据信息和多组负荷真实值，研究负荷预测值与预测误差正态分布函数的相互关系。然后将负荷预测值划分为不同的预测区间段，以正态分布拟合每个预测区间段内负荷预测值的误差分布，并建立多元化负荷条件概率区间预测模型。接着对所述多元化负荷条件概率区间预测模型进行迭代优化，最后确定多元化负荷的最优预测区间。本申请还通过对所述最优预测区间进行预测评估，来验证所述最优预测区间的有效性和正确性。

在实际操作过程中，本申请考虑仅对多元化负荷进行点预测，会存在不可避免的预测误差，因此得出预测的上、下限值变得尤为重要。由此考虑对多元化负荷进行区间预测，并且在保证每组负荷真实值都落在对应获取的预测区间段内的前提下，各个预测区间段范围越小越好，使得预测结果更加准确，为电力系统的运行调控提供切实可靠的信息。

下述为本申请公开的装置实施例，用于执行上述方法实施例。针对装置实施例中未披露的细节，请参照方法实施例。

本申请第二实施例公开了一种多元化负荷区间预测装置，所述装置应用于第一方面所述的多元化负荷区间预测方法，参见图5所示的结构示意图，所述装置包括：

点预测模块10，用于获取多元化负荷历史数据信息和多组负荷真实值，并对所述多元化负荷历史数据信息进行点预测，确定与所述多组负荷真实值一一对应的多组负荷预测值。

误差获取模块20，用于根据所述一一对应的多组负荷预测值以及多组负荷真实值，确定每组负荷预测值的误差。

函数获取模块30，用于获取多组预测误差正态分布函数，每组预测误差正态分布函数与每组负荷预测值的误差一一对应。

进一步的，所述函数获取模块30包括：

均值标准差获取单元，用于根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差。

函数获取单元，根据所述每组负荷预测值的误差、所述误差均值以及所述误差标准差，确定多组预测误差正态分布函数。

区间划分模块40，用于根据所述多组负荷预测值以及预设的预测区间边界参数，对所述多组负荷预测值进行区间划分，并确定多个预测区间段。

进一步的，所述区间划分模块40包括：

正态分布分位点获取单元，用于根据所述预设的预测区间边界参数，确定所述预测区间边界参数所对应的正态分布分位点。

均值标准差获取单元，用于根据所述每组负荷预测值的误差，确定所述每组负荷预测值的误差所对应的误差均值和误差标准差。

区间上下限值获取单元，用于针对任一负荷预测值，根据所述正态分布分位点、所述误差均值和所述误差标准差，确定一组预测区间段的上下限值。

边界值获取单元，用于根据所述预测区间边界参数，所述一组预测区间段的上下限值确定一组预测区间段的边界值。

预测区间段获取单元，用于根据所述一组预测区间段的上下限值和所述一组预测区间段的边界值，确定一个预测区间段。

获取多个预测区间段。

区间预测模型建立模块50，用于根据所述多组预测误差正态分布函数和所述多个预测区间段，生成多元化负荷条件概率区间预测模型。

优化处理模块60，用于对所述多元化负荷条件概率区间预测模型进行迭代优化，优化过程中，对所述预测区间边界参数进行更新，确定最优预测区间边界参数值。所述最优边界参数值是指，在保证每组所述负荷真实值落在对应的预测区间段内的前提下，使得各个预测区间段范围最小的预测区间边界参数值。

最优预测区间获取模块70，用于根据所述最优预测区间边界参数，确定多元化负荷的最优预测区间。

进一步的，所述多元化负荷区间预测装置，还包括预测评估模块，所述预测评估模块用于在所述确定多元化负荷的最优预测区间后，对所述最优预测区间进行预测评估。所述预测评估用于验证所述最优预测区间的有效性和正确性。

进一步的，所述预测区间评估包括：平均覆盖率误差评估、灵敏度评估和综合得分值评估。

以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。