电力系统夏季负荷预测方法及系统与流程

本发明属于电气自动化领域，具体涉及一种电力系统夏季负荷预测方法及系统。

背景技术：

1、随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，保障电能的稳定可靠供应，就成为了电力系统最重要的任务之一。

2、目前，夏季高温天气愈演愈烈，电力系统在夏季迎来了巨大的负荷挑战。电力系统为了保证夏季电能的供应，就需要对整个夏季的负荷情况进行整体且精确的预测，从而提早制定对应的生产、运行计划。因此，电力系统对于夏季负荷的预测，就显得尤为重要。

3、目前，电力系统传统的负荷预测方案，一般只能够预测未来40天左右的负荷数据，而夏季负荷预测需要预测未来至少60天的负荷数据，这使得现有的负荷预测方案并无法直接应用于夏季负荷预测；而且，现有的负荷预测方案，在预测夏季负荷这种时效性极强的电力负荷时，还存在准确性和可靠性较差的问题。

技术实现思路

1、本发明的目的之一在于提供一种可靠性高、精确性好且客观科学的电力系统夏季负荷预测方法。

2、本发明的目的之二在于提供一种实现所述电力系统夏季负荷预测方法的系统。

3、本发明提供的这种电力系统夏季负荷预测方法，包括如下步骤：

4、s1.获取目标电力系统的历史负荷数据信息；

5、s2.对步骤s1获取的历史负荷数据信息进行处理，构建得到训练数据集和测试数据集；

6、s3.基于lightgbm模型，构建夏季负荷预测初始模型；

7、s4.采用步骤s2构建的训练数据集对步骤s3构建的夏季负荷预测初始模型进行训练，得到夏季负荷预测测试模型；

8、s5.采用步骤s3构建的测试数据集对步骤s4得到的夏季负荷预测测试模型进行测试，得到夏季负荷预测模型；

9、s6.根据步骤s1获取的目标电力系统的历史负荷数据信息，构建目标电力系统在不同场景下的未来负荷数据集；

10、s7.基于步骤s6构建的未来负荷数据集，采用步骤s5得到的夏季负荷预测模型，完成目标电力系统的未来夏季负荷预测。

11、步骤s1所述的获取目标电力系统的历史负荷数据信息，具体包括如下步骤：

12、获取的数据包括历史气象数据、历史日历数据和历史负荷数据；

13、历史气象数据包括历史日内24小时的实时温度数据ci、历史日内的最高气温历史日内的最低气温历史日的前一日内的最高气温

14、历史日历数据包括历史日的时刻数据ti、历史日的星期数据wk；

15、历史负荷数据包括历史日前一天的时刻负荷数据li-24；

16、其中，i表示历史日中的第i时刻；k表示一周7天内的第k天。

17、步骤s2所述的对步骤s1获取的历史负荷数据信息进行处理，构建得到训练数据集和测试数据集，具体包括如下步骤：

18、对步骤s1获取的历史负荷数据，进行数据清理和数据插值处理，得到完成的历史负荷数据的集合；

19、构建数据集h为h＝[hx,hy]，其中hx为自变量历史数据集且hy为因变量历史数据集且hy＝[li]，li为历史日的时刻负荷数据；

20、将构建的数据集h按照设定的比例划分为训练数据集和测试数据集。

21、步骤s3所述的基于lightgbm模型，构建夏季负荷预测初始模型，具体包括如下步骤：

22、采用如下算式作为夏季负荷预测初始模型的目标函数：

23、

24、式中obj(kk)为第kk次迭代时的目标函数值；nn为变量因素的总数；yii为当前迭代下的模型预测值；为第kk-1步时的模型预测值；为平方损失函数且gii为第一中间变量且表示对求一阶导数；fkk(xii)为第kk步添加的模型拟合函数；hii为第二中间变量且表示对求二阶导数；ω(fkk)为第k次迭代时对应的正则项；constant为设定的常数项。

25、步骤s5所述的采用步骤s3构建的测试数据集对步骤s4得到的夏季负荷预测测试模型进行测试，得到夏季负荷预测模型，具体包括如下步骤：

26、采用步骤s3构建的测试数据集对步骤s4得到的夏季负荷预测测试模型进行测试；

27、采用如下算式计算夏季负荷预测测试模型的精度r2：

28、

29、式中nt为测试的天数；ltj为时刻j的电力负荷预测值；为时刻j的电力负荷真实值；为测试数据集中的电力负荷平均值；

30、对夏季负荷预测测试模型进行判定：

31、若精度值r2大于或等于设定的阈值，则表示夏季负荷预测测试模型符合设定的要求；将对应的夏季负荷预测测试模型作为最终的夏季负荷预测模型；

32、若精度值r2小于设定的阈值，则重复步骤s4～s5直至夏季负荷预测测试模型的精度值r2大于或等于设定的阈值。

33、步骤s6所述的根据步骤s1获取的目标电力系统的历史负荷数据信息，构建目标电力系统在不同场景下的未来负荷数据集，具体包括如下步骤：

34、构建的未来数据集f为f＝[fx,fy]，其中fx为自变量未来数据集且其中l'i-24为预测日前一天的时刻负荷数据，ti'为预测日的时刻数据，wk'为预测日的星期数据，ci'为预测日的24小时的实时温度数据，为预测日的最高气温，为预测日的最低气温，为预测日前一天的最高气温；fy为因变量未来数据集且fy＝[l'i]，l'i为预测日i时刻的电力负荷；

35、将每年对应的三伏天日期与目标年份的三伏天日期对齐；

36、构建历史不同年份场景下的夏季负荷预测数据集；其中，不同场景下的气象预测数据集表示为ccase，场景总数表示为ncase，第n个场景的气象预测数据集表示为

37、获取气象未来预测数据集，将其中前n天的数据表示为将所有不同年份场景下的气象预测数据集中前n的气象数据替换为得到新的不同场景下的气象预测数据集；

38、最终，得到目标电力系统在不同场景下的未来负荷数据集。

39、步骤s7所述的基于步骤s6构建的未来负荷数据集，采用步骤s5得到的夏季负荷预测模型，完成目标电力系统的未来夏季负荷预测，具体包括如下步骤：

40、基于步骤s6构建的未来负荷数据集，分别采用步骤s5得到的夏季负荷预测模型，对不同年份场景进行负荷预测，最终的负荷预测结果表示为为第n个场景下i时刻的负荷预测结果；

41、将所有场景中每个时刻的负荷预测结果进行排序，排序后的负荷预测结果表示为ppre，每个时刻上的负荷预测结果数量与场景总数相同；

42、针对排序后的负荷预测结果ppre，词采用如下算式进行概率化处理：

43、

44、式中为i时刻上概率q下的负荷预测结果；为排序后的负荷预测结果ppre中i时刻上的第m个负荷预测结果；为排序后的负荷预测结果ppre中i时刻上的第m+1个负荷预测结果；g为第三中间变量且g＝ncase*p-m，ncase为场景总数，p为第四中间变量且q为概率值且取值为1～99，m为第五中间变量且为向下取整符号；

45、最后，得到的为目标电力系统的未来夏季负荷预测结果。

46、本发明还提供了一种实现所述电力系统夏季负荷预测方法的系统，包括数据获取模块、数据集构建模块、预测模型构建模块、模型训练模块、模型测试模块、未来数据构建模块和负荷预测模块；数据获取模块、数据集构建模块、预测模型构建模块、模型训练模块、模型测试模块、未来数据构建模块和负荷预测模块依次串联；数据获取模块用于获取目标电力系统的历史负荷数据信息，并将数据上传数据集构建模块；数据集构建模块用于根据接收到的数据，对获取的历史负荷数据信息进行处理，构建得到训练数据集和测试数据集，并将数据上传预测模型构建模块；预测模型构建模块用于根据接收到的数据，基于lightgbm模型，构建夏季负荷预测初始模型，并将数据上传模型训练模块；模型训练模块用于根据接收到的数据，采用训练数据集对夏季负荷预测初始模型进行训练，得到夏季负荷预测测试模型，并将数据上传模型测试模块；模型测试模块用于根据接收到的数据，采用测试数据集对夏季负荷预测测试模型进行测试，得到夏季负荷预测模型，并将数据上传未来数据构建模块；未来数据构建模块用于根据接收到的数据，根据目标电力系统的历史负荷数据信息，构建目标电力系统在不同场景下的未来负荷数据集，并将数据上传负荷预测模块；负荷预测模块用于根据接收到的数据，基于未来负荷数据集，采用夏季负荷预测模型，完成目标电力系统的未来夏季负荷预测。

47、本发明提供的这种电力系统夏季负荷预测方法及系统，通过构建电力系统负荷的影响变量和基于lightgbm的负荷预测模型，通过三伏天历史气象数据信息深层挖掘利用得到最终的概率负荷预测结果；因此本发明不仅能够实现较长时间段的电力系统夏季负荷预测，而且可靠性高，精确性好，客观科学。