本技术涉及计算机,特别是涉及一种电量预测方法、系统、计算机设备和存储介质。
背景技术:
1、地区电网售电量的科学预测是电网建设规划的重要依据。对地区电网而言,售电量的预测对电压负荷稳定,电网安全调度,稳定运行至关重要。
2、传统的时间序列分析模型主要分析的是数据的季节性和趋势性,通常对于中长期的电量预测(例如月电量、年电量)能够取得好的效果,但是对于短期电量(例如日电量)的预测效果并不好。
技术实现思路
1、基于上述问题,本技术提供了一种电量预测方法、系统、计算机设备和存储介质,以实现针对不同时间颗粒度的时间节点的电量的预测。
2、本技术实施例公开了如下技术方案:
3、本技术第一方面提供一种电量预测方法,包括:
4、获取第一历史电量时间序列;
5、根据所述第一历史电量时间序列的时间颗粒度确定对应的初始预测模型和误差预测模型;
6、将第一历史电量时间序列输入所述初始预测模型,得到第一目标时间节点的初始电量预测值;所述第一目标时间节点比所述第一历史电量时间序列最后的时间节点晚一个时间颗粒度;
7、将第一目标时间节点的初始电量预测值输入误差预测模型,得到第一目标时间节点的初始电量预测值的预测误差值;所述误差预测模型是基于初始预测模型和第二历史电量时间序列训练得到的,所述第二历史电量时间序列与第一历史电量时间序列的时间颗粒度相同;
8、根据第一目标时间节点的初始电量预测值和初始电量预测值的预测误差值,得到第一目标时间节点的最终电量预测值。
9、在一个可能的实现方式中,所述方法还包括:
10、利用第一目标时间节点的最终电量预测值更新第一历史电量时间序列;
11、将更新后的第一历史电量时间序列输入所述初始预测模型,得到第二目标时间节点的初始电量预测值;
12、将第二目标时间节点的初始电量预测值输入误差预测模型,得到第二目标时间节点的初始电量预测值的预测误差值;
13、根据第二目标时间节点的初始电量预测值和初始电量预测值的预测误差值,得到第二目标时间节点的最终电量预测值;
14、将第二目标时间节点的最终电量预测值作为当前的第一目标时间节点的最终电量预测值,循环上述步骤直至达到预设循环次数。
15、在一个可能的实现方式中,根据所述历史电量时间序列的时间颗粒度确定对应的初始预测模型和误差预测模型,包括:
16、根据第一历史电量时间序列的时间颗粒度为月,确定初始预测模型为holt-winter指数平滑预测模型;确定所述误差预测模型为第一误差预测模型。
17、在一个可能的实现方式中,根据所述历史电量时间序列的时间颗粒度确定对应的初始预测模型和误差预测模型,包括:
18、根据第一历史电量时间序列的时间颗粒度为日,确定初始预测模型为长短时记忆预测模型;确定所述误差预测模型为第二误差预测模型。
19、在一个可能的实现方式中,所述第一误差预测模型的训练方法包括:
20、获取时间颗粒度为月的第二历史电量时间序列;所述第二历史电量时间序列包含多个连续时间节点的电量实际值;
21、利用时间颗粒度为月的第二历史电量时间序列、训练好的holt-winter指数平滑预测模型,得到第二历史电量时间序列中各个时间节点的电量预测值;
22、根据各个时间节点的电量预测值与对应的电量实际值的误差值,对待训练的第一支持向量回归模型进行训练,得到训练好的第一误差预测模型。
23、在一个可能的实现方式中,所述长短时记忆预测模型的训练方法包括:
24、构建包含第三历史电量时间序列和电量的影响因素的第一数据样本集;所述电量的影响因素包括:每日的温度、每日的湿度和每日的节假日信息;
25、使用所述第一数据样本集对待训练的长短时记忆模型进行训练,得到长短时记忆预测模型。
26、在一个可能的实现方式中,所述第二误差预测模型的训练方法包括:
27、获取时间颗粒度为日的第二历史电量时间序列;所述第二历史电量时间序列包含多个连续时间节点的电量实际值;
28、构建包含第二历史电量时间序列和电量的影响因素的第二数据样本集;所述电量的影响因素包括:每日的温度、每日的湿度和每日的节假日信息;
29、利用第二数据样本、长短时记忆预测模型,得到所述第二历史电量时间序列中的各个时间节点的电量预测值;
30、根据第二历史电量时间序列中的各个时间节点的电量预测值与对应的电量实际值的误差值、各个时间节点的电量预测值和电量的影响因素,对待训练的第二支持向量回归模型进行训练,得到第二误差预测模型。
31、本技术第二方面提供一种电量预测系统,包括:
32、获取单元,用于获取第一历史电量时间序列;
33、预测模型确定单元,用于根据所述第一历史电量时间序列的时间颗粒度确定对应的初始预测模型和误差预测模型;
34、初始预测单元,用于将第一历史电量时间序列输入所述初始预测模型,得到第一目标时间节点的初始电量预测值;所述第一目标时间节点比所述第一历史电量时间序列最后的时间节点晚一个时间颗粒度;
35、误差预测单元,用于将第一目标时间节点的初始电量预测值输入误差预测模型,得到第一目标时间节点的初始电量预测值的预测误差值;所述误差预测模型是基于初始预测模型和第二历史电量时间序列训练得到的,所述第二历史电量时间序列与第一历史电量时间序列的时间颗粒度相同;
36、电量预测值获得单元,用于根据第一目标时间节点的初始电量预测值和初始电量预测值的预测误差值,得到第一目标时间节点的最终电量预测值。
37、本技术第三方面提供一种计算机设备,包括:存储器,处理器,及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如本技术实施例第一方面提供的电量预测方法。
38、本技术第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本技术第一方面提供的电量预测方法。
39、相较于现有技术,本技术具有以下有益效果:
40、本技术提供的一种电量预测方法,获取第一历史电量时间序列;进而根据所述第一历史电量时间序列的时间颗粒度确定对应的初始预测模型和误差预测模型;将第一历史电量时间序列输入所述初始预测模型,得到第一目标时间节点的初始电量预测值;将第一目标时间节点的初始电量预测值输入误差预测模型,得到第一目标时间节点的初始电量预测值的预测误差值;根据第一目标时间节点的初始电量预测值和初始电量预测值的预测误差值,得到第一目标时间节点的最终电量预测值,其中,所述误差预测模型是基于初始预测模型和第二历史电量时间序列训练得到的,所述第二历史电量时间序列与第一历史电量时间序列的时间颗粒度相同。该方法针对不同的时间颗粒度的预测需求选择对应的预测模型,并对预测值进行误差预测,提高预测的准确性。