电力负荷需求值的预测方法、装置、电子设备及存储介质与流程

本技术涉及数据处理，尤其涉及一种电力负荷需求值的预测方法、装置、电子设备及存储介质。

背景技术：

1、随着社会生产力的发展，对电力负荷需求的预测可以合理规划与电力有关的生产，以及制订更加科学的用电方式。电力负荷需求可以通过电力设备的运行计划体现，从而维持用电平衡。在需求响应过程中，电网公司需要将电力系统功率合理分配给参与需求响应过程的每个电力用户，包括居民用户、工业用户和商业用户。

2、但是，与居民用户和商业用户不同，工业用户的电力负荷需求不具有规律性，进而导致预测工业用户的电力负荷需求面临着巨大的困难。如果不能准确预测工业用户的电力负荷需求，将会对工业用户的生产计划造成影响，示例性的，在电力负荷不够的情况下，工业用户不能按期完成原定的生产计划，将会给工业用户带来损失。

技术实现思路

1、有鉴于此，本技术的目的在于提出一种电力负荷需求值的预测方法、装置、电子设备及存储介质，以克服现有技术中全部或部分不足。

2、基于上述目的，本技术提供了一种电力负荷需求值的预测方法，包括：获取预设时长内的历史电力负荷，并基于多个预设类别，对所述历史电力负荷中的数据进行分类，得到多个数据组；基于预设分组数量，分别对每个数据组中的数据进行划分，得到与每个数据组关联的多个数据单元，并为每个数据单元分配数据标识；基于所述数据标识以及预设规则，从全部数据单元中筛选得到组合数据；基于所述组合数据和预设调节因子，预测未来预设时长内的电力负荷需求值。

3、可选地，所述基于预设分组数量，分别对每个数据组中的数据进行划分，包括：基于预设分组数量，分别确定与每个数据组关联的多个分组范围；基于所述分组范围，对相应的数据组中的数据进行划分。

4、可选地，所述基于预设分组数量，分别确定与每个数据组关联的多个分组范围，包括：基于所述预设分组数量，确定所述数据组对应的多个边界值，所述边界值通过下式确定：zm＝zmin+m*(zmax-zmin/k)，m＝1,2,...,k，其中，zm为第m个边界值，zmin为所述数据组中的最小值，zmax为所述数据组中的最大值，k为所述预设分组数量；根据所述多个边界值确定所述多个分组范围。

5、可选地，所述预设类别包括环境影响因子，所述最小值包括环境影响因子最小值，所述最大值包括环境影响因子最大值；通过以下公式确定所述环境影响因子最小值：其中，为所述环境影响因子最小值，hmin为所述环境影响因子对应的数据组中的湿度最小值，tmin为所述环境影响因子对应的数据组中的温度最小值，lmin为所述环境影响因子对应的数据组中的光照最小值；通过以下公式确定所述环境影响因子最大值：其中，为所述环境影响因子最大值，hmax为所述环境影响因子对应的数据组中的湿度最大值，tmax为所述环境影响因子对应的数据组中的温度最大值，lmax为所述环境影响因子对应的数据组中的光照最大值。

6、可选地，在基于所述数据标识以及预设规则，从全部数据单元中筛选得到组合数据之前，所述方法包括：对所述数据单元进行降维操作和聚类操作。

7、可选地，所述预设类别包括外界负载、环境影响因子和内部负载，所述预设调节因子包括第一预设调节因子、第二预设调节因子和第三预设调节因子；所述基于所述组合数据和预设调节因子，预测未来预设时长内的电力负荷需求值，包括：通过以下公式预测所述未来预设时长内的电力负荷需求值：其中，δpin为所述电力负荷需求值，βin为所述第一预设调节因子，βpl为所述第二预设调节因子，为通过所述组合数据中的与外界负载和内部负载分别关联的数据单元确定的第一需求值，βnl为所述第三预设调节因子，为通过所述组合数据中的与所述环境影响因子关联的数据单元确定的第二需求值。

8、可选地，所述方法还包括：通过以下公式计算所述第一需求值：其中，为所述第一需求值，psl为预设需求值，为所述组合数据中的与外界负载和内部负载分别关联的数据单元集合，npl为所述组合数据中的与外界负载和内部负载分别关联的数据单元确定的需求值的总数，为中的第j个通过与外界负载和内部负载分别关联的数据单元确定的需求值；通过以下公式计算所述第二需求值：其中，为所述第二需求值，为所述组合数据中所有的数据单元对应的需求值，为所述第一需求值。

9、基于同一发明构思，本技术还提供了一种电力负荷需求值的预测装置，包括：分类模块，被配置为获取预设时长内的历史电力负荷，并基于多个预设类别，对所述历史电力负荷中的数据进行分类，得到多个数据组；划分模块，被配置为基于预设分组数量，分别对每个数据组中的数据进行划分，得到与每个数据组关联的多个数据单元，并为每个数据单元分配数据标识；筛选模块，被配置为基于所述数据标识以及预设规则，从全部数据单元中筛选得到组合数据；预测模块，被配置为基于所述组合数据和预设调节因子，预测未来预设时长内的电力负荷需求值。

10、可选地，所述划分模块，包括：第一确定单元，被配置为基于预设分组数量，分别确定与每个数据组关联的多个分组范围；划分单元，被配置为基于所述分组范围，对相应的数据组中的数据进行划分。

11、可选地，所述第一确定单元，包括：被配置为基于所述预设分组数量，确定所述数据组对应的多个边界值，所述边界值通过下式确定：zm＝zmin+m*(zmax-zmin/k)，m＝1,2,...,k，其中，zm为第m个边界值，zmin为所述数据组中的最小值，zmax为所述数据组中的最大值，k为所述预设分组数量；根据所述多个边界值确定所述多个分组范围。

12、可选地，所述第一确定单元，还包括：被配置为所述预设类别包括环境影响因子，所述最小值包括环境影响因子最小值，所述最大值包括环境影响因子最大值；通过以下公式确定所述环境影响因子最小值：其中，为所述环境影响因子最小值，hmin为所述环境影响因子对应的数据组中的湿度最小值，tmin为所述环境影响因子对应的数据组中的温度最小值，lmin为所述环境影响因子对应的数据组中的光照最小值；通过以下公式确定所述环境影响因子最大值：其中，为所述环境影响因子最大值，hmax为所述环境影响因子对应的数据组中的湿度最大值，tmax为所述环境影响因子对应的数据组中的温度最大值，lmax为所述环境影响因子对应的数据组中的光照最大值。

13、可选地，还包括聚类模块，包括：降维操作和聚类操作单元，被配置为在基于所述数据标识以及预设规则，从全部数据单元中筛选得到组合数据之前，对所述数据单元进行降维操作和聚类操作。

14、可选地，所述预测模块，包括：预测单元，被配置为所述预设类别包括外界负载、环境影响因子和内部负载，所述预设调节因子包括第一预设调节因子、第二预设调节因子和第三预设调节因子；通过以下公式预测所述未来预设时长内的电力负荷需求值：其中，δpin为所述电力负荷需求值，βin为所述第一预设调节因子，βpl为所述第二预设调节因子，为通过所述组合数据中的与外界负载和内部负载分别关联的数据单元确定的第一需求值，βnl为所述第三预设调节因子，为通过所述组合数据中的与所述环境影响因子关联的数据单元确定的第二需求值。

15、可选地，还包括计算模块，包括：第一计算单元，被配置为通过以下公式计算所述第一需求值：其中，为所述第一需求值，psl为预设需求值，pse&p为所述组合数据中的与外界负载和内部负载分别关联的数据单元集合，npl为所述组合数据中的与外界负载和内部负载分别关联的数据单元确定的需求值的总数，为中的第j个通过与外界负载和内部负载分别关联的数据单元确定的需求值；第二计算单元，被配置为通过以下公式计算所述第二需求值：其中，为所述第二需求值，为所述组合数据中所有的数据单元对应的需求值，为所述第一需求值。

16、基于同一发明构思，本技术还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。

17、基于同一发明构思，本技术还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。

18、从上面所述可以看出，本技术提供的电力负荷需求值的预测方法、装置、电子设备及存储介质，所述方法包括获取预设时长内的历史电力负荷，并基于多个预设类别，对所述历史电力负荷中的数据进行分类，得到多个数据组，对历史电力负荷的处理更加细分，使得后续对电力负荷的需求值预测相对准确。基于预设分组数量，分别对每个数据组中的数据进行划分，得到与每个数据组关联的多个数据单元，并为每个数据单元分配数据标识，对数据组中的数据进行更为详细划分，使得后续对电力负荷的需求值预测的准确度进一步提升。基于所述数据标识以及预设规则，从全部数据单元中筛选得到组合数据，后续基于更为精准的数据单元构成的组合数据对电力负荷需求值进行预测，使得电力负荷需求值的预测更为准确。基于所述组合数据和预设调节因子，预测未来预设时长内的电力负荷需求值，确保了预测的未来预设时长内的电力负荷需求值更为准确，进而达到了精确评估电力负荷需求的目的。