本發(fā)明涉及電網(wǎng)，特別是一種分時段劃分的電網(wǎng)負荷預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、當前社會的快速發(fā)展和能源需求的不斷增長，對電力系統(tǒng)的運行管理提出了更高的要求，隨著智能電網(wǎng)的普及和能源結(jié)構(gòu)的多樣化，電網(wǎng)負荷的動態(tài)變化變得愈加復(fù)雜和難以預(yù)測，使得準確的電網(wǎng)負荷預(yù)測成為電力調(diào)度和資源優(yōu)化配置的關(guān)鍵環(huán)節(jié)，對提高電網(wǎng)運行的穩(wěn)定性和可靠性具有重要意義。

2、目前，現(xiàn)有技術(shù)中，電網(wǎng)負荷預(yù)測方法往往依賴于單一模型或簡單的統(tǒng)計分析，缺乏對多維度因素的綜合考慮，預(yù)測精度較低，此外，現(xiàn)有方法難以處理停工期間等特殊情況下的數(shù)據(jù)缺失問題，導(dǎo)致負荷預(yù)測不準確，采用本發(fā)明的多模型集成和自動填充技術(shù)，可以有效解決上述缺陷，提高電網(wǎng)負荷預(yù)測的準確性和魯棒性。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有的分時段劃分的電網(wǎng)負荷預(yù)測方法及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明的目的是提供一種分時段劃分的電網(wǎng)負荷預(yù)測方法及系統(tǒng)，停工期間等特殊情況下的數(shù)據(jù)缺失問題，本發(fā)明采用分時段劃分的電網(wǎng)負荷預(yù)測方法進行解決。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種分時段劃分的電網(wǎng)負荷預(yù)測方法，其包括，挖掘分時段劃分后的子區(qū)域數(shù)據(jù)，對子區(qū)域數(shù)據(jù)進行分析，采用組合負荷預(yù)測算法對分析后的子區(qū)域數(shù)據(jù)進行分解；

5、利用集成學(xué)習(xí)算法對分解后的子區(qū)域數(shù)據(jù)進行分量，采用時間序列預(yù)測模型將分解結(jié)果和分量結(jié)果進行合并；

6、收集歷史停工期間的電網(wǎng)負荷系數(shù)，預(yù)測電網(wǎng)負荷系數(shù)的延長負荷曲線軸，根據(jù)延長負荷曲線軸自動填充本階段分時段劃分的區(qū)域數(shù)據(jù)，基于自動填充的數(shù)據(jù)對電網(wǎng)負荷進行預(yù)測。

7、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述挖掘分時段劃分后的子區(qū)域數(shù)據(jù)包括根據(jù)改進的斯皮爾曼相關(guān)系數(shù)計算所述子區(qū)域數(shù)據(jù)的整體電網(wǎng)負荷系數(shù)，所述整體電網(wǎng)負荷系數(shù)包括計算電網(wǎng)負荷的負荷氣溫，基于所述負荷氣溫優(yōu)化所述整體電網(wǎng)負荷系數(shù)；

8、所述負荷氣溫的具體計算公式為：

9、

10、其中，xi表示整體電網(wǎng)負荷系數(shù)的候選特征數(shù)值，表示候選特征數(shù)值均值，yi表示本分時段劃分的負荷值，表示負荷值的平均值，r表示負荷氣溫；

11、當絕對值|r|→1時，則此時負荷氣溫的屬性相關(guān)性增強；

12、當絕對值|r|→0時，則此時負荷氣溫的屬性相關(guān)性減弱。

13、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述對子區(qū)域數(shù)據(jù)進行分析包括根據(jù)統(tǒng)計學(xué)自助法估量強負荷氣溫和弱負荷氣溫，所述估量包括對所述整體電網(wǎng)負荷系數(shù)進行重復(fù)抽樣，生成多重抽樣樣本，根據(jù)生成的多重抽樣樣本獲取負荷氣溫的統(tǒng)計量；

14、所述對分析后的子區(qū)域數(shù)據(jù)進行分解包括動態(tài)規(guī)劃所述負荷氣溫的統(tǒng)計量，定義費雷歇距離，所述定義費雷歇距離包括根據(jù)當日統(tǒng)計的負荷氣溫的差值進行定義；

15、所述重復(fù)抽樣的具體計算公式為：

16、

17、其中，n表示樣本大小，表示強負荷氣溫，表示弱負荷氣溫，表示第b個重抽樣樣本中的第i個觀測值的強負荷氣溫，表示第b個重抽樣樣本中的第i個觀測值的弱負荷氣溫，表示第b個重抽樣樣本中強負荷氣溫的標準差，表示第b個重抽樣樣本中弱負荷氣溫的標準差。

18、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述對分析后的子區(qū)域數(shù)據(jù)進行分解包括基于傅里葉分解算法將所述統(tǒng)計量進行分解，所述統(tǒng)計量的分解結(jié)果包括日周期分量、周期分量、低頻分量、高頻分量以及常數(shù)項，所述分解的具體計算公式為：

19、y(t)＝g(t)+s(t)+h(t)+εt

20、其中，y(t)表示分解后的統(tǒng)計量結(jié)果數(shù)據(jù)，g(t)表示趨勢分量，s(t)表示周期性分量，h(t)表示日期影響分量，εt表示殘差項，t表示時間點；

21、將低頻分量作為氣溫敏感分量，所述氣溫敏感分量包括svm算法、light?gbm算法和ridge算法，按照3：6：1的比例加權(quán)，集成學(xué)習(xí)模型，輸入當日的預(yù)報氣溫，得到預(yù)測結(jié)果；

22、將周期分量、高頻分量和常數(shù)項相加，作為時序分量，基于prophet算法完成時間序列負荷預(yù)測；

23、所述svm算法的具體計算公式為：

24、

25、其中，f(x)表示svm算法的回歸預(yù)測輸出值，αi表示拉格朗日乘子，k(xi，x)表示核函數(shù)，xi表示整體電網(wǎng)負荷系數(shù)的候選特征數(shù)值，x表示待預(yù)測的輸入特征向量，b表示重抽樣樣本；

26、所述light?gbm算法的具體計算公式為：

27、

28、其中，f(x)表示light?gbm算法的回歸預(yù)測輸出值，γm表示第m個弱學(xué)習(xí)器的權(quán)重系數(shù)，tm(x)表示第m棵決策樹的輸出結(jié)果，m表示弱學(xué)習(xí)器的總數(shù)；

29、所述ridge算法的具體計算公式為：

30、

31、其中，j(θ)表示ridge算法的回歸預(yù)測輸出值，yi表示本分時段劃分的負荷值，θ表示回歸系數(shù)向量，θtxi表示回歸模型的預(yù)測值，λ表示正則化參數(shù)，表示回歸系數(shù)的平方；

32、所述prophet算法的具體計算公式為：

33、

34、其中，表prophet算法的回歸預(yù)測輸出值，y(t)表示分解后的統(tǒng)計量結(jié)果數(shù)據(jù)。

35、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述將分解結(jié)果和分量結(jié)果進行合并包括將分解后的子區(qū)域數(shù)據(jù)連成曲線進行平滑，根據(jù)此時劃分的階段將曲線進行橫向拉伸，二次進行分時段劃分，根據(jù)每日的新舊系數(shù)的變化比例，構(gòu)建此時劃分的階段的負荷系數(shù)；

36、若第一次分時段劃分的負荷系數(shù)大于第二次分時段劃分的負荷系數(shù)時，則根據(jù)上一日分時段的平均誤差率，修正未來的預(yù)測負荷系數(shù)，

37、否則，匯總所有預(yù)測的負荷系數(shù)，得到此時劃分的階段的前后總量預(yù)測負荷。

38、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述預(yù)測電網(wǎng)負荷系數(shù)的延長負荷曲線軸包括對橫向拉伸進行預(yù)處理，根據(jù)拉伸比例選擇分時段劃分的精度；

39、若歷史停工期間中存在負荷高峰或低谷，則使用局部擴大或縮小的平滑方式確定拉伸比例；

40、若沒有負荷變化特征，則采用默認的拉伸比例；若歷史停工期間中存在低谷，則對歷史停工期間中的時間序列進行分析，識別所述時間序列的長期趨勢和季節(jié)性變化。

41、作為本發(fā)明所述分時段劃分的電網(wǎng)負荷預(yù)測方法的一種優(yōu)選方案，其中：所述根據(jù)延長負荷曲線軸自動填充本階段分時段劃分的區(qū)域數(shù)據(jù)包括將延長負荷曲線軸與當前分時段劃分的區(qū)域數(shù)據(jù)進行映射；

42、將延長負荷曲線軸的數(shù)據(jù)映射到當前分時段劃分的區(qū)域數(shù)據(jù)中，通過對比映射過程中兩者的序列形狀，找到匹配路徑，完成電網(wǎng)負荷預(yù)測。

43、第二方面，本發(fā)明實施例提供了一種分時段劃分的電網(wǎng)負荷預(yù)測系統(tǒng)，其包括：分析模塊，其挖掘分時段劃分后的子區(qū)域數(shù)據(jù)，對子區(qū)域數(shù)據(jù)進行分析；預(yù)測模塊，其利用集成學(xué)習(xí)算法對分解后的子區(qū)域數(shù)據(jù)進行分量，采用時間序列預(yù)測模型將分解結(jié)果和分量結(jié)果進行合并；填充模塊，其收集歷史停工期間的電網(wǎng)負荷系數(shù)，根據(jù)延長負荷曲線軸自動填充本階段分時段劃分的區(qū)域數(shù)據(jù)，基于自動填充的數(shù)據(jù)對電網(wǎng)負荷進行預(yù)測。

44、第三方面，本發(fā)明實施例提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的分時段劃分的電網(wǎng)負荷預(yù)測方法的任一步驟。

45、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的分時段劃分的電網(wǎng)負荷預(yù)測方法的任一步驟。

46、本發(fā)明有益效果為：本發(fā)明通過多模型集成算法和自動填充技術(shù)，有效解決了傳統(tǒng)預(yù)測方法在處理多維度因素和數(shù)據(jù)缺失問題上的不足，利用改進的斯皮爾曼相關(guān)系數(shù)和統(tǒng)計學(xué)自助法，精確估算負荷氣溫，并基于時間序列預(yù)測模型提升預(yù)測的精度和魯棒性，此外，針對停工期間等特殊情況，通過延長負荷曲線軸的自動填充，確保了分時段負荷預(yù)測的連續(xù)性和準確性，提高了電力系統(tǒng)運行管理的可靠性和效率。