一种电负荷预测与节能系统、方法、电子设备和储存介质与流程

本申请涉及负荷预测，具体为一种电负荷预测与节能系统、方法、电子设备和储存介质。

背景技术：

1、微电网是通过电力电子技术将分布式电源、储能系统和用户负荷进行组合控制的独立系统，具有自主控制、保护以及管理的功能，可以在确保电能质量的基础上实现单点并网，以此满足电能的供应稳定。微电网整合利用分布式电源，通过组合能源的形式供电，可以减少新能源并网带来的波动性，提高电力系统稳定性。

2、由于分布式电源容易受到地域以及自然因素的影响，导致输出功率会出现较大波动，极大增加微电网系统的不稳定性，在造成微电网能源浪费的同时也可能发生安全事故等问题。对微电网短期用电负荷进行精准预测可以有效缓解这些现象，保证微电网系统稳定运行并且有效监测能耗，达到能源管理调度的目的。

3、常用的微电网系统短期用电负荷预测方法一般有两类，传统预测方法与智能预测方法，传统预测方法主要包括趋势外推法、回归分析法、时间序列法与灰色模型法，该类方法主要通过数据的相关性与时序性进行预测，原理简单并且容易实现。

4、然而，上述微电网系统的用电负荷预测方法都仅运用单一预测方法或者单一智能算法进行预测，预测精度较低，存在局限性。

技术实现思路

1、针对现有技术的不足，本申请提供了一种电负荷预测与节能系统、方法、电子设备和储存介质，解决了传统电力预测方法预测精度较低，存在局限性的问题。

2、为实现上述目的，本申请提供如下技术方案：一种电负荷预测与节能系统，包括数据采集单元、数据分析单元、节能单元、数据存储单元、数据输出单元，所述数据分析单元包括数据处理部分、模型训练部分和负荷预测部分，所述节能单元包括能耗分析部分与用能控制部分；

3、所述数据采集单元与所述数据分析单元连接，所述数据分析单元与所述节能单元连接，所述数据分析单元的输出端和所述节能单元的输出端均与所述数据存储单元连接，所述数据分析单元的输出端和所述节能单元的输出端均与所述数据输出单元连接。

4、优选的，所述数据采集单元用于从微电网终端设备采集用电负荷预测所需数据集，所述电负荷预测所需数据集包括历史用电负荷数据与特征数据集，特征数据包括时间数据和气候数据；

5、所述数据分析单元用于将采集的数据进行预处理，并获取智能用电负荷预测模型，对微电网下一时段进行用电负荷预测；

6、所述节能单元用于根据用电负荷预测信息进行能耗分析与用能控制；

7、所述数据存储单元用于存储数据采集单元从终端获取的用电负荷预测数据集、所述数据分析单元预处理后的训练数据集和智能预测模型负荷预测数据、所述节能单元能耗分析部分计算的用电能耗预测数据、能耗比值、用能控制部分计算的微电网系统能耗定额值和能耗比值更新值；

8、所述数据输出单元用于得到数据采集单元从终端获取的用电负荷预测数据集、数据分析单元预处理后的训练数据集和智能预测模型负荷预测数据、节能单元能耗分析部分计算的用电能耗预测数据、能耗比值、用能控制部分计算的微电网系统能耗定额值、能耗比值更新值。

9、一种电负荷预测与节能系统方法，基于数据处理部分、模型训练部分和负荷预测部分，包括：

10、数据预处理；

11、获取基于mpso算法优化的多层随机森林智能预测模型；

12、输入用电负荷数据与特征数据进行负荷预测；

13、对微电网进行能耗分析和用能控制。

14、优选的，所述数据预处理步骤包括对数据集进行数据清洗、数据转换、特征分析、特征选择，采用样条插值、线性插值或者均值法来对用电负荷数据与特征数据集异常值进行修正，填补缺失值，并对应历史用电负荷数据与气候数据来删除异常数据，得到特征性强的训练数据集。

15、优选的，所述获取基于mpso算法优化的多层随机森林智能预测模型步骤包括：

16、将初始训练样本中的数据输入第一层随机森林进行训练，并且采用mpso算法对随机森林模型进行参数优化训练，输出结果的同时得到训练残差y′；

17、将y′代入初始样本集组成新的特征集输入生成的第二层随机森林进行第二阶段训练，采用mpso算法对随机森林模型进行参数优化训练，输出结果的同时得到训练残差y"；

18、将第二阶段所得训练残差y"代入初始样本集组成新的特征集输入生成的第三层随机森林进行第三阶段训练，采用mpso算法对随机森林模型进行参数优化训练；

19、将三层随机森林模型的输出依次叠加得到最终预测结果。

20、优选的，所述采用mpso算法对模型进行参数优化训练，参数包括决策树棵数ntree与分裂特征数m，将ntree和m与mpso算法中粒子属性对应，将随机森林模型训练所得袋外误差作为适应度值，在迭代过程中增加变异扰动项来不断优化模型参数，获得最优解。

21、优选的，所述输入用电负荷数据与特征数据进行负荷预测步骤包括：将处理后的前一段时间用电负荷数据与特征数据输入训练好的用电负荷智能预测模型中进行用电负荷预测，得到下一段时间用电负荷预测结果。

22、优选的，所述能耗分析步骤包括通过得到的微电网用电负荷预测结果，生成用电能耗预测数据，根据用电能耗预测数据与用电能耗实际数据获取微电网能耗比值σ，根据σ值来对微电网用电能耗进行分析。

23、优选的，所述用能控制步骤包括对微电网系统过去一段时间的能耗进行定额，通过计算微电网各分项用电能耗定额，得到用电能耗定额值，根据微电网系统下一时间段内的用电能耗预测数据与用电能耗定额值获取微电网下一段时间能耗比值更新值σ′，当σ′值偏小时，下一段时间内用电能耗较低，说明微电网系统用电负荷下降，用电需求量较低，此时能够减少微电网系统运行的用电设备，来节约能源；当σ′值偏大时，下一段时间内用电能耗高于大楼能耗定额，说明将处于微电网系统用电高峰状态，系统发出示警。

24、一种计算机设备，所述计算机设备包括处理器与存储器、以及存储在所述存储器上并可被所述处理器执行的计算机应用程序，其中所述计算机程序被所述处理器执行时，使所述电计算机设备实现如权利要求3至9中任一项所述的一种电负荷预测与节能方法。

25、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，使计算机实现如权利要求3至9中任一项所述的一种电负荷预测与节能方法。

26、本申请提供了一种电负荷预测与节能系统、方法、电子设备和储存介质，具备以下有益效果：

27、本申请系统的数据分析单元采用基于mpso算法优化的多层随机森林智能预测模型进行用电负荷预测，该方法具有更高的预测精度和更稳定的预测性能，在节能单元根据用电负荷预测结果进行能耗分析与用能控制，提出微电网系统能耗比值σ与能耗比值更新值σ′，通过精准的负荷预测结果与σ值、σ′值能够及时调整微电网系统下一时刻的用电功率，进行用能管理，达到缓解用电负荷与降低能源消耗的作用，保障微电网安全高效运行。

技术特征：

1.一种电负荷预测与节能系统，其特征在于，包括数据采集单元、数据分析单元、节能单元、数据存储单元、数据输出单元，所述数据分析单元包括数据处理部分、模型训练部分和负荷预测部分，所述节能单元包括能耗分析部分与用能控制部分；

2.根据权利要求1所述的一种电负荷预测与节能系统，其特征在于，所述数据采集单元用于从微电网终端设备采集用电负荷预测所需数据集，所述电负荷预测所需数据集包括历史用电负荷数据与特征数据集，特征数据包括时间数据和气候数据；

3.一种电负荷预测与节能系统方法，其特征在于，基于权利要求1所述的数据处理部分、模型训练部分和负荷预测部分，包括：

4.根据权利要求3所述的一种电负荷预测与节能系统方法，其特征在于，所述数据预处理步骤包括对数据集进行数据清洗、数据转换、特征分析、特征选择，采用样条插值、线性插值或者均值法来对用电负荷数据与特征数据集异常值进行修正，填补缺失值，并对应历史用电负荷数据与气候数据来删除异常数据，得到特征性强的训练数据集。

5.根据权利要求3所述的一种电负荷预测与节能系统方法，其特征在于，所述获取基于mpso算法优化的多层随机森林智能预测模型步骤包括：

6.根据权利要求5所述的一种电负荷预测与节能方法，其特征在于，所述采用mpso算法对模型进行参数优化训练，参数包括决策树棵数ntree与分裂特征数m，将ntree和m与mpso算法中粒子属性对应，将随机森林模型训练所得袋外误差作为适应度值，在迭代过程中增加变异扰动项来不断优化模型参数，获得最优解。

7.根据权利要求3所述的一种电负荷预测与节能方法，其特征在于，所述输入用电负荷数据与特征数据进行负荷预测步骤包括：将处理后的前一段时间用电负荷数据与特征数据输入训练好的用电负荷智能预测模型中进行用电负荷预测，得到下一段时间用电负荷预测结果。

8.根据权利要求3所述的一种电负荷预测与节能方法，其特征在于，所述能耗分析步骤包括通过得到的微电网用电负荷预测结果，生成用电能耗预测数据，根据用电能耗预测数据与用电能耗实际数据获取微电网能耗比值σ，根据σ值来对微电网用电能耗进行分析。

9.根据权利要求8所述的一种电负荷预测与节能方法，其特征在于，所述用能控制步骤包括对微电网系统过去一段时间的能耗进行定额，通过计算微电网各分项用电能耗定额，得到用电能耗定额值，根据微电网系统下一时间段内的用电能耗预测数据与用电能耗定额值获取微电网下一段时间能耗比值更新值σ′，当σ′值偏小时，下一段时间内用电能耗较低，说明微电网系统用电负荷下降，用电需求量较低，此时能够减少微电网系统运行的用电设备，来节约能源；当σ′值偏大时，下一段时间内用电能耗高于大楼能耗定额，说明将处于微电网系统用电高峰状态，系统发出示警。

10.一种计算机设备，其特征在于，所述计算机设备包括处理器与存储器、以及存储在所述存储器上并可被所述处理器执行的计算机应用程序，其中所述计算机程序被所述处理器执行时，使所述电计算机设备实现如权利要求3至9中任一项所述的一种电负荷预测与节能方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，使计算机实现如权利要求3至9中任一项所述的一种电负荷预测与节能方法。

技术总结
本申请涉及负荷预测技术领域，公开了一种电负荷预测与节能系统、方法、电子设备和储存介质，包括数据采集单元、数据分析单元、节能单元、数据存储单元、数据输出单元，数据分析单元包括数据处理部分、模型训练部分和负荷预测部分，节能单元包括能耗分析部分与用能控制部分；数据采集单元与数据分析单元连接，数据分析单元与节能单元连接，数据分析单元的输出端和节能单元的输出端均与数据存储单元连接，数据分析单元的输出端和节能单元的输出端均与数据输出单元连接。该电负荷预测与节能系统，解决了传统电力预测方法预测精度较低，存在局限性的问题。

技术研发人员：黄安平,何祥针,周娟,程涛,萧嘉荣,王健华,李启亮,陈君德,曾荣均,沙斌,潮铸,段秦尉,左剑,陈卉灿,唐旭辰,禹霁晅,刘维维,邓仁毅,梁伟豪
受保护的技术使用者：广东电网有限责任公司东莞供电局
技术研发日：
技术公布日：2024/1/13