本申请公开了一种基于大数据的负荷预测方法、设备及介质，主要涉及数据预测技术领域，用以解决现有的负荷预测的负荷预测精度较低以及处理速度较慢技术问题。方法包括：获取预设历史时间段内电力系统对应的负荷数据、气象数据以及节假数据；获得负荷数据对应的波动时间段，进而确定波动时间段对应的已维持时间段和可预测时间段；获得已维持时间段对应的第一基准数据以及可预测时间段对应的第二基准数据；获得可预测时间段内的气象校正数据以及节假校正数据；通过第二基准数据、气象校正数据以及节假校正数据，获得电力系统在可预测时间段内的预测负荷数据。本申请通过上述方法提高了可预测时间段内关于负荷的预测精度以及速度。度。度。
【技术实现步骤摘要】
一种基于大数据的负荷预测方法、设备及介质
[0001]本申请涉及数据预测
，尤其涉及一种基于大数据的负荷预测方法、设备及介质。
技术介绍
[0002]电力系统负荷预测是电网安全稳定运行、优化调度、电力市场运营的重要依据。
[0003]现有的负荷预测的方法主要是：通过建立历史数据与未来数据的影响关系，实现对电力系统的短期负荷预测。
[0004]但是，随着经济快速发展和电力市场的建立与完善，用户对电能质量和电力供应的需求日益增长，电网负荷时间序列以及部署的环境都变得更加多样且复杂，在保证电能实时供需平衡的情况，对负荷预测的负荷预测精度以及处理速度提出了更高要求。
技术实现思路
[0005]针对现有技术的上述不足，本专利技术提供一种基于大数据的负荷预测方法、设备及介质，以解决上述技术问题。
[0006]第一方面，本申请实施例提供了一种基于大数据的负荷预测方法，方法包括：获取预设历史时间段内电力系统对应的负荷数据、气象数据以及节假数据；将负荷数据，导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定波动时间段对应的已维持时间段和可预测时间段；确定已维持时间段内的负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及可预测时间段对应的第二基准数据；根据预设非线性算法、预设维度数据库、第一基准数据、负荷数据、气象数据以及节假数据，获得可预测时间段内的气象校正数据以及节假校正数据；通过第二基准数据、气象校正数据以及节假校正数据，获得电力系统在可预测时间段内的预测负荷数据。
[0007]在本申请的一种实现方式中，在将负荷数据，导入训练好的随机赋权神经网络之前，方法还包括：对预设参考时间段内的负荷数据进行标记处理，以获得具有波动时间段的训练数据；基于训练样本数据，对随机赋权神经网络对应的公式：进行训练，以确定随机赋权神经网络对应的权重和偏置，进而完成随机赋权神经网络的训练；其中，t
i
为预测的波动时间段，w
i
为预测权重；β
i
为权重；b
i
为偏置；j＝1,2,...,M；M为设训练数据的数量。
[0008]在本申请的一种实现方式中，将负荷数据，导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定波动时间段对应的已维持时间段和可预测时间段，具体包括：将负荷数据导入训练好的随机赋权神经网络，确定负荷数据对应波动曲线，进而确定波动曲线对应的波动时间段；通过波动时间段，确定已维持时间段以及剩余维持时间段，以确实剩余维持时间段为可预测时间段。
[0009]在本申请的一种实现方式中，确定已维持时间段内负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及可预测时间段对应的第二基准数据，具体包
括：将已维持时间段对应的日期、已维持时间段对应的负荷数据作为横纵坐标，生成时间
‑
负荷走势曲线；通过时间
‑
负荷走势曲线以及预设的曲线求解算法，确定时间
‑
负荷走势曲线对应的负荷计算公式；根据负荷计算公式，确定已维持时间段内对应的若干负荷计算值为第一基准数据，以及确定推出可预测时间段内对应的若干负荷计算值为第二基准数据。
[0010]在本申请的一种实现方式中，在获得可预测时间段内的气象校正数据以及节假校正数据之前，方法还包括：基于负荷计算公式以及预设计算公式F＝Z+AX+BY，确定X、Y的值；其中，F为负荷数据；Z为第一基准数据；A为气象维度值；B为节假维度值；X为气象影响系数；Y为节假影响系数。
[0011]在本申请的一种实现方式中，预设维度数据库包含气象维度数据以及节假维度数据值；获得可预测时间段内的气象校正数据以及节假校正数据，具体包括：确定可预测时间段内的若干预测日期；基于天气预测软件，确定预测日期对应的气象维度数据；其中，气象维度数据包含多云维度值、晴天维度值、阴天维度值和雨雪天维度值；基于法定节假日的规定，确定预测日期对应的节假维度数据；其中，节假维度数据值包含假日维度值以及工作日维度值；通过气象影响系数乘以气象维度值，确定在可预测时间段内的各个预测日期对应的气象校正数据；通过节假影响系数乘以节假维度值，确定在可预测时间段内的各个预测日期对应的节假校正数据。
[0012]在本申请的一种实现方式中，第二基准数据包含可预测时间段内的各个预测日期对应的基准值；通过第二基准数据、气象校正数据以及节假校正数据，获得电力系统在可预测时间段内的预测负荷数据，具体包括：通过预测负荷公式：F
’
＝Z
’
+A
’
+B
’
，确定在可预测时间段内的各个预测日期对应预测负荷数据；其中，F
’
为预测日期对应的预测负荷值；Z
’
为测试日期对应的基准值；A
’
为测试日期对应的气象校正数据；B
’
为测试日期对应的节假校正数据
[0013]第二方面，一种基于大数据的负荷预测设备，该设备包括处理器、存储器和存储在存储器上的执行指令，执行指令设置成在被处理器执行时能够使设备执行上述的任一项的基于大数据的负荷预测方法。
[0014]第三方面，一种非易失性计算机存储介质，其上存储有计算机指令，计算机指令执行上述的一种基于大数据的负荷预测方法。
[0015]本领域技术人员能够理解的是，本公开前述的一种基于大数据的负荷预测方法至少具有如下有益效果：
[0016](1)通过负荷数据、气象数据以及节假数据对电力系统进行负荷预存，增加了预测负荷的预测参数，与传统预测方法相比，大数据分析不是建立历史数据与未来数据的影响关系，而是通过多种类的历史数据和影响因素的相关关系预测未来数据。在电网规模快速增加及数据巨量增长的形势下，通过多种类的大数据预测负荷，探寻相关关系，提高了数据预测的准确性。
[0017](2)充分考虑到天气、气候、工作日或节假日以及社会因素对负荷的影响，将负荷关联性因素量化后纳入负荷预测中。实现及时对电网进行调整，避免设备重过载，降低线损，为安全调度、电力市场运营提供了重要依据。
附图说明
[0018]下面参照附图来描述本公开的部分实施例，附图中：
[0019]图1是本申请实施例提供的一种基于大数据的负荷预测方法流程图。
[0020]图2是本申请实施例提供的一种基于大数据的负荷预测设备内部结构示意图。
具体实施方式
[0021]本领域技术人员应当理解的是，下文所描述的实施例仅仅是本公开的优选实施例，并不表示本公开仅能通过该优选实施例实现，该优选实施例仅仅是用于解释本公开的技术原理，并非用于限制本公开的保护范围。基于本公开提供的优选实施例，本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例，仍应落入到本公开的保护范围之内。
[0022]还需要说明的是，术语“包括”、“包含”或者其任何其他变体本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的负荷预测方法，其特征在于，所述方法包括：获取预设历史时间段内电力系统对应的负荷数据、气象数据以及节假数据；将所述负荷数据导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定所述波动时间段对应的已维持时间段和可预测时间段；确定所述已维持时间段内的所述负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及所述可预测时间段对应的第二基准数据；根据预设非线性算法、预设维度数据库、所述第一基准数据、负荷数据、所述气象数据以及所述节假数据，获得可预测时间段内的气象校正数据以及节假校正数据；通过所述第二基准数据、所述气象校正数据以及所述节假校正数据，获得电力系统在可预测时间段内的预测负荷数据。2.根据权利要求1所述的基于大数据的负荷预测方法，其特征在于，在将所述负荷数据，导入训练好的随机赋权神经网络之前，所述方法还包括：对预设参考时间段内的负荷数据进行标记处理，以获得具有波动时间段的训练数据；基于所述训练样本数据，对随机赋权神经网络对应的公式：基于所述训练样本数据，对随机赋权神经网络对应的公式：进行训练，以确定随机赋权神经网络对应的权重和偏置，进而完成随机赋权神经网络的训练；其中，t
j
为预测的波动时间段，w
i
为预测权重；β
i
为所述权重；b
i
为所述偏置；j＝1,2,...,M；M为所述训练数据的数量。3.根据权利要求2所述的基于大数据的负荷预测方法，其特征在于，将所述负荷数据，导入训练好的随机赋权神经网络，以获得负荷数据对应的波动时间段，进而确定所述波动时间段对应的已维持时间段和可预测时间段，具体包括：将负荷数据导入所述训练好的随机赋权神经网络，确定负荷数据对应波动曲线，进而确定波动曲线对应的波动时间段；通过所述波动时间段，确定已维持时间段以及剩余维持时间段，以确实所述剩余维持时间段为可预测时间段。4.根据权利要求1所述的基于大数据的负荷预测方法，其特征在于，确定所述已维持时间段内负荷数据对应的走势曲线，以获得已维持时间段对应的第一基准数据以及所述可预测时间段对应的第二基准数据，具体包括：将已维持时间段对应的日期、已维持时间段对应的负荷数据作为横纵坐标，生成时间
‑
负荷走势曲线；通过所述时间
‑
负荷走势曲线以及预设的曲线求解算法，确定时间
‑
负荷走势曲线对应的负荷计算公式；根据所述负荷计算公式，确定已维...
【专利技术属性】
技术研发人员：程云祥，许家余，卢兴旺，李庚辰，孙浩，杜善慧，穆斯彤，丁月明，马文华，赵佃云，
申请(专利权)人：国网山东省电力公司日照供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。