一种基于LGBM决策树的负荷预测方法及系统技术方案

本发明专利技术涉及电力数据预测技术领域，公开了一种基于LGBM决策树的负荷预测方法及系统，其方法通过获取同一历史时间窗口内的采样点的历史负荷数据以及对应的历史气象数据，并进行预处理，再筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据，以保证负荷预测样本的质量，并将每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况构建为样本特征矩阵，基于LGBM决策树对样本特征矩阵进行处理，得到负荷预测值，从而提高负荷预测的的准确性。荷预测的的准确性。荷预测的的准确性。

【技术实现步骤摘要】
一种基于LGBM决策树的负荷预测方法及系统


[0001]本专利技术涉及电力数据预测
，尤其涉及一种基于LGBM决策树的负荷预测方法及系统。

技术介绍

[0002]电力负荷预测对电网的供需平衡以及电力市场的平稳运行具有非常重要的意义，近年来人工智能发展迅速，许多智能算法被引进负荷预测领域。
[0003]目前，机器学习在负荷预测领域的应用较为广泛，但机器学习模型对样本的依赖性较大，样本的质量直接影响模型预测结果，但目前的电力负荷预测对样本的处理较为简单，容易导致负荷预测的样本质量较低，影响电力负荷预测结果的准确性。

技术实现思路

[0004]本专利技术提供了一种基于LGBM决策树的负荷预测方法及系统，解决了负荷预测的样本质量较低的技术问题。
[0005]有鉴于此，本专利技术第一方面提供了一种基于LGBM决策树的负荷预测方法，包括以下步骤：获取同一历史时间窗口内的采样点的历史数据，所述历史数据包括历史负荷数据以及对应的历史气象数据，所述历史气象数据包括温度、风向、风力和湿度；对所述历史数据进行预处理，得到历史纯净数据；在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据；根据筛选出的历史纯净数据构建样本特征矩阵，所述样本特征矩阵中的元素为每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况；构建LGBM决策树，以所述样本特征矩阵作为输入，生成T颗弱回归树，得到该T颗回归树的输出值之和，作为LGBM模型的输出，以得到负荷预测值。
[0006]优选地，对所述历史数据进行预处理，得到历史纯净数据的步骤具体包括：对所述历史数据进行异常值检测，将检测到的异常值进行剔除；对所述历史数据中的缺失数据进行检测，获取缺失数据对应的采样点的温度，根据所述温度在所述历史数据中匹配到相同温度对应的负荷数据，将匹配到的负荷数据填充至相应的缺失数据中。
[0007]优选地，在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据的步骤具体包括：利用下式在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据：
式中，和分别表示历史纯净数据中的当日最大温度、当日最小温度，和分别表示待预测日的最大温度、最小温度。
[0008]优选地，本方法还包括：获取待预测日的前两日内的各个采样点对应的负荷值，利用前两日内的各个采样点对应的负荷值进行曲线拟合，得到第一拟合曲线；对待预测日的各个采样点对应的预测负荷值进行曲线拟合，得到第二拟合曲线；对所述第一拟合曲线和所述第二拟合曲线进行相似度计算，若所述相似度小于预设的相似度阈值，则基于线性回归算法对所述预测负荷值进行修正。
[0009]第二方面，本专利技术还提供了一种基于LGBM决策树的负荷预测系统，，包括：数据获取模块，用于获取同一历史时间窗口内的采样点的历史数据，所述历史数据包括历史负荷数据以及对应的历史气象数据，所述历史气象数据包括温度、风向、风力和湿度；预处理模块，用于对所述历史数据进行预处理，得到历史纯净数据；数据筛选模块，用于在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据；矩阵构建模块，用于根据筛选出的历史纯净数据构建样本特征矩阵，所述样本特征矩阵中的元素为每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况；负荷预测模块，用于构建LGBM决策树，以所述样本特征矩阵作为输入，生成T颗弱回归树，得到该T颗回归树的输出值之和，作为LGBM模型的输出，以得到负荷预测值。
[0010]优选地，所述预处理模块具体包括：异常检测模块，用于对所述历史数据进行异常值检测，将检测到的异常值进行剔除；数据填充模块，用于对所述历史数据中的缺失数据进行检测，获取缺失数据对应的采样点的温度，根据所述温度在所述历史数据中匹配到相同温度对应的负荷数据，将匹配到的负荷数据填充至相应的缺失数据中。
[0011]优选地，数据筛选模块具体用于，利用下式在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据：式中，和分别表示历史纯净数据中的当日最大温度、当日最小温度，和分别表示待预测日的最大温度、最小温度。
[0012]优选地，本系统还包括：修正模块，用于对负荷预测值进行修正。
[0013]从以上技术方案可以看出，本专利技术具有以下优点：本专利技术通过获取同一历史时间窗口内的采样点的历史负荷数据以及对应的历史气象数据，并进行预处理，再筛选出与待预测日的气象数据的差值在预设差值范围内的历
史纯净数据，以保证负荷预测样本的质量，并将每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况构建为样本特征矩阵，基于LGBM决策树对样本特征矩阵进行处理，得到负荷预测值，从而提高负荷预测的的准确性。
附图说明
[0014]图1为本专利技术实施例提供的一种基于LGBM决策树的负荷预测方法的流程图；图2为本专利技术实施例提供的一种基于LGBM决策树的负荷预测系统的结构示意图。
具体实施方式
[0015]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]为了便于理解，请参阅图1，本专利技术提供的一种基于LGBM决策树的负荷预测方法，包括以下步骤：S1、获取同一历史时间窗口内的采样点的历史数据，历史数据包括历史负荷数据以及对应的历史气象数据，历史气象数据包括温度、风向、风力和湿度。
[0017]其中，可以从电力数据库中获取到同一历史时间窗口内的采样点的历史数据，同时，可以设定采样周期，从而确定采样点，在一个示例中，每日设置有96个采样点。
[0018]S2、对历史数据进行预处理，得到历史纯净数据。
[0019]S3、在历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据。
[0020]可以理解的是，通过对历史纯净数据进行筛选，得到与待预测日的气象数据相近的负荷数据，其作为后续负荷预测的样本数据，可以提高其预测的准确性。
[0021]S4、根据筛选出的历史纯净数据构建样本特征矩阵，样本特征矩阵中的元素为每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况。
[0022]可以理解的是，考虑到天气情况、是否为节假日对负荷预测的影响，在构建样本特征矩阵时，将每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况构建为样本特征矩阵，其中，每个元素可以采用数组形式进行表示。
[0023]S5、构建LGBM决策树，以样本特征矩阵作为输入，生成T颗弱回归树，得到该T颗回归树的输出值之和，作为LGBM模型的输出，以得到负荷预测值。
[0024]其中，LGBM决策树可以调用p本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LGBM决策树的负荷预测方法，其特征在于，包括以下步骤：获取同一历史时间窗口内的采样点的历史数据，所述历史数据包括历史负荷数据以及对应的历史气象数据，所述历史气象数据包括温度、风向、风力和湿度；对所述历史数据进行预处理，得到历史纯净数据；在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据；根据筛选出的历史纯净数据构建样本特征矩阵，所述样本特征矩阵中的元素为每日所有采样点对应的负荷值以及对应的气象数据和是否为节假日情况；构建LGBM决策树，以所述样本特征矩阵作为输入，生成T颗弱回归树，得到T颗回归树的输出值之和，作为LGBM模型的输出，以得到负荷预测值。2.根据权利要求1所述的基于LGBM决策树的负荷预测方法，其特征在于，对所述历史数据进行预处理，得到历史纯净数据的步骤具体包括：对所述历史数据进行异常值检测，将检测到的异常值进行剔除；对所述历史数据中的缺失数据进行检测，获取缺失数据对应的采样点的温度，根据所述温度在所述历史数据中匹配到相同温度对应的负荷数据，将匹配到的负荷数据填充至相应的缺失数据中。3.根据权利要求1所述的基于LGBM决策树的负荷预测方法，其特征在于，在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据的步骤具体包括：利用下式在所述历史纯净数据筛选出与待预测日的气象数据的差值在预设差值范围内的历史纯净数据：式中，和分别表示历史纯净数据中的当日最大温度、当日最小温度，和分别表示待预测日的最大温度、最小温度。4.根据权利要求1所述的基于LGBM决策树的负荷预测方法，其特征在于，还包括：获取待预测日的前两日内的各个采样点对应的负荷值，利用前两日内的各个采样点对应的负荷值进行曲线拟合，得到第一拟合曲线；对待预测日的各个采样点对应的预测负荷值进行曲线拟合，得到第二拟合曲线；对所述第一拟合曲线和所述第二拟合曲线进行相似度计算，若所述相似度小于预设的相似度阈值，则基于线性回归算法对所述预测负荷值进行修正。5.一种基于LGBM决策树的负荷预测系统，...

【专利技术属性】
技术研发人员：黄斐，李伟，易颜波，杨勇，周俊宇，花洁，区伟潮，亓玉国，潘志涛，陈辉，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：