本發(fā)明屬于電力信息，更具體地，涉及一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)。

背景技術(shù)：

1、電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃和運(yùn)行的重要組成部分，其目的是通過(guò)對(duì)未來(lái)負(fù)荷的合理預(yù)測(cè)，確保電力系統(tǒng)能夠在滿(mǎn)足負(fù)荷需求的同時(shí)實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行和安全穩(wěn)定。然而，電力負(fù)荷具有顯著的非線性、時(shí)變性和隨機(jī)性特征，傳統(tǒng)的負(fù)荷預(yù)測(cè)方法難以滿(mǎn)足高精度預(yù)測(cè)的要求。

2、相關(guān)技術(shù)中，負(fù)荷預(yù)測(cè)方法主要包括統(tǒng)計(jì)分析方法：如回歸分析、時(shí)間序列分析等，這些方法基于歷史負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測(cè)，但由于電力負(fù)荷的復(fù)雜性和多變性，預(yù)測(cè)精度往往不高。基于物理模型的預(yù)測(cè)方法，利用物理模型來(lái)模擬電力系統(tǒng)的運(yùn)行情況，并通過(guò)計(jì)算得出負(fù)荷預(yù)測(cè)結(jié)果，但建立和維護(hù)物理模型需要大量的先驗(yàn)知識(shí)和數(shù)據(jù)，且計(jì)算復(fù)雜度高?；诮?jīng)驗(yàn)規(guī)則的方法依賴(lài)于電力系統(tǒng)專(zhuān)家的經(jīng)驗(yàn)和知識(shí)，通過(guò)規(guī)則庫(kù)來(lái)進(jìn)行預(yù)測(cè)，但由于經(jīng)驗(yàn)規(guī)則的局限性和主觀性，預(yù)測(cè)結(jié)果的準(zhǔn)確性和可靠性難以保證。

3、因此，如何提高電力負(fù)荷預(yù)測(cè)的有效性和準(zhǔn)確性是本領(lǐng)域技術(shù)人員關(guān)注的重點(diǎn)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的是提供一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，提高電力負(fù)荷預(yù)測(cè)的有效性和準(zhǔn)確性。

2、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊，用于通過(guò)預(yù)設(shè)路徑采集多源數(shù)據(jù)；其中，所述預(yù)設(shè)路徑包括api接口、傳感器網(wǎng)絡(luò)、數(shù)據(jù)共享平臺(tái)，所述多源數(shù)據(jù)包括電力負(fù)荷歷史數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)指標(biāo)、用戶(hù)行為數(shù)據(jù)；

4、數(shù)據(jù)預(yù)處理模塊，用于根據(jù)數(shù)據(jù)類(lèi)型對(duì)所述多源數(shù)據(jù)進(jìn)行預(yù)處理，得到已處理數(shù)據(jù)；其中，預(yù)處理包括數(shù)據(jù)清洗處理、歸一化處理、缺失值填補(bǔ)處理、數(shù)據(jù)增強(qiáng)處理；所述數(shù)據(jù)類(lèi)型包括時(shí)間序列數(shù)據(jù)、空間數(shù)據(jù)、分類(lèi)數(shù)據(jù)；

5、數(shù)據(jù)融合模塊，用于利用數(shù)據(jù)融合對(duì)所述已處理數(shù)據(jù)進(jìn)行融合處理，得到統(tǒng)一格式的輸入數(shù)據(jù)；

6、模型訓(xùn)練模塊，用于基于所述輸入數(shù)據(jù)對(duì)構(gòu)建的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到預(yù)測(cè)模型；

7、預(yù)測(cè)模塊，用于采用所述預(yù)測(cè)模型對(duì)當(dāng)前數(shù)據(jù)進(jìn)行推理，得到電力負(fù)荷預(yù)測(cè)結(jié)果。

8、可選的，所述數(shù)據(jù)采集模塊，具體用于從不同的數(shù)據(jù)源采集所述多源數(shù)據(jù)；其中，所述多源數(shù)據(jù)包括電力負(fù)荷歷史數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)指標(biāo)、用戶(hù)行為數(shù)據(jù)；所述電力負(fù)荷歷史數(shù)據(jù)是采集于負(fù)荷監(jiān)測(cè)系統(tǒng)用于記錄歷史時(shí)間內(nèi)電力負(fù)荷情況的數(shù)據(jù)；所述氣象數(shù)據(jù)包括溫度數(shù)據(jù)、濕度數(shù)據(jù)、降雨量數(shù)據(jù)、風(fēng)速數(shù)據(jù)；所述社會(huì)經(jīng)濟(jì)指標(biāo)包括生產(chǎn)總值數(shù)據(jù)、人口增長(zhǎng)率數(shù)據(jù)、能源價(jià)格數(shù)據(jù)；所述用戶(hù)行為數(shù)據(jù)包括消費(fèi)者的用電模式數(shù)據(jù)；所述用電模式數(shù)據(jù)包括用電時(shí)間分布數(shù)據(jù)、節(jié)假日用電分布數(shù)據(jù)。

9、可選的，所述數(shù)據(jù)預(yù)處理模塊，具體用于對(duì)所述多源數(shù)據(jù)去除噪聲數(shù)據(jù)、處理異常值、填補(bǔ)缺失數(shù)據(jù)，得到已清洗多源數(shù)據(jù)；將所述已清洗多源數(shù)據(jù)中不同數(shù)據(jù)源的數(shù)據(jù)轉(zhuǎn)換到同一量綱范圍內(nèi)，得到已歸一化多源數(shù)據(jù)；通過(guò)數(shù)據(jù)變換和數(shù)據(jù)生成技術(shù)對(duì)所述已歸一化多源數(shù)據(jù)進(jìn)行數(shù)據(jù)集擴(kuò)充，得到所述已處理數(shù)據(jù)。

10、可選的，所述數(shù)據(jù)融合模塊，具體用于對(duì)所述已處理數(shù)據(jù)進(jìn)行特征工程處理得到關(guān)鍵特征；將不同模態(tài)的所述關(guān)鍵特征通過(guò)融合策略整合成一個(gè)統(tǒng)一的特征空間的融合數(shù)據(jù)；通過(guò)主成分分析或非負(fù)矩陣分解對(duì)高維度的所述融合數(shù)據(jù)進(jìn)行降維處理，得到所述輸入數(shù)據(jù)。

11、可選的，所述模型訓(xùn)練模塊，具體用于根據(jù)預(yù)測(cè)任務(wù)的輸入數(shù)據(jù)特性確定對(duì)應(yīng)的深度學(xué)習(xí)模型；采用所述輸入數(shù)據(jù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，并利用交叉驗(yàn)證和超參數(shù)調(diào)整對(duì)所述深度學(xué)習(xí)模型進(jìn)行優(yōu)化，得到所述預(yù)測(cè)模型。

12、可選的，還包括：預(yù)測(cè)結(jié)果分析模塊，用于對(duì)電力負(fù)荷預(yù)測(cè)結(jié)果與實(shí)際電力負(fù)荷數(shù)據(jù)計(jì)算誤差指標(biāo)，基于所述誤差指標(biāo)評(píng)估所述預(yù)測(cè)模型的預(yù)測(cè)性能。

13、可選的，還包括：預(yù)測(cè)結(jié)果展示模塊，用于利用圖表工具展示所屬電力負(fù)荷預(yù)測(cè)結(jié)果的變化趨勢(shì)。

14、可選的，還包括：場(chǎng)景模擬模塊，用于基于不同的假設(shè)場(chǎng)景對(duì)所述預(yù)測(cè)模型進(jìn)行負(fù)荷預(yù)測(cè)模擬，得到對(duì)應(yīng)的模擬結(jié)果，并基于不同的模擬結(jié)果對(duì)不同條件下的電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行決策數(shù)據(jù)調(diào)整。

15、可選的，還包括：決策數(shù)據(jù)輸出模塊，用于根據(jù)決策策略對(duì)所述電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行決策處理，得到調(diào)度數(shù)據(jù)。

16、可選的，還包括：異常負(fù)荷處理模塊，用于基于異常檢測(cè)算法對(duì)所述電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行檢測(cè)，當(dāng)檢測(cè)出異常數(shù)據(jù)時(shí)，基于所述異常數(shù)據(jù)進(jìn)行數(shù)據(jù)修成處理。

17、本申請(qǐng)所提供的一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于通過(guò)預(yù)設(shè)路徑采集多源數(shù)據(jù)；其中，所述預(yù)設(shè)路徑包括api接口、傳感器網(wǎng)絡(luò)、數(shù)據(jù)共享平臺(tái)，所述多源數(shù)據(jù)包括電力負(fù)荷歷史數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)指標(biāo)、用戶(hù)行為數(shù)據(jù)；數(shù)據(jù)預(yù)處理模塊，用于根據(jù)數(shù)據(jù)類(lèi)型對(duì)所述多源數(shù)據(jù)進(jìn)行預(yù)處理，得到已處理數(shù)據(jù)；其中，預(yù)處理包括數(shù)據(jù)清洗處理、歸一化處理、缺失值填補(bǔ)處理、數(shù)據(jù)增強(qiáng)處理；所述數(shù)據(jù)類(lèi)型包括時(shí)間序列數(shù)據(jù)、空間數(shù)據(jù)、分類(lèi)數(shù)據(jù)；數(shù)據(jù)融合模塊，用于利用數(shù)據(jù)融合對(duì)所述已處理數(shù)據(jù)進(jìn)行融合處理，得到統(tǒng)一格式的輸入數(shù)據(jù)；模型訓(xùn)練模塊，用于基于所述輸入數(shù)據(jù)對(duì)構(gòu)建的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到預(yù)測(cè)模型；預(yù)測(cè)模塊，用于采用所述預(yù)測(cè)模型對(duì)當(dāng)前數(shù)據(jù)進(jìn)行推理，得到電力負(fù)荷預(yù)測(cè)結(jié)果。

18、具有以下有益效果：通過(guò)數(shù)據(jù)采集模塊全面采集電力負(fù)荷歷史數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)指標(biāo)和用戶(hù)行為數(shù)據(jù)等多源數(shù)據(jù)，數(shù)據(jù)預(yù)處理模塊對(duì)多源數(shù)據(jù)進(jìn)行清洗、歸一化、缺失值填補(bǔ)和數(shù)據(jù)增強(qiáng)處理，提高了數(shù)據(jù)的質(zhì)量和可靠性，數(shù)據(jù)融合模塊將預(yù)處理后的數(shù)據(jù)進(jìn)行融合處理，得到統(tǒng)一格式的輸入數(shù)據(jù)，模型訓(xùn)練模塊基于輸入數(shù)據(jù)對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，預(yù)測(cè)模塊利用訓(xùn)練好的預(yù)測(cè)模型對(duì)當(dāng)前數(shù)據(jù)進(jìn)行推理，實(shí)現(xiàn)了基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，降低了電力負(fù)荷預(yù)測(cè)的門(mén)檻，提高了電力負(fù)荷預(yù)測(cè)的精度和準(zhǔn)確性。

技術(shù)特征：

1.一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，所述數(shù)據(jù)采集模塊，具體用于從不同的數(shù)據(jù)源采集所述多源數(shù)據(jù)；其中，所述多源數(shù)據(jù)包括電力負(fù)荷歷史數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)指標(biāo)、用戶(hù)行為數(shù)據(jù)；所述電力負(fù)荷歷史數(shù)據(jù)是采集于負(fù)荷監(jiān)測(cè)系統(tǒng)用于記錄歷史時(shí)間內(nèi)電力負(fù)荷情況的數(shù)據(jù)；所述氣象數(shù)據(jù)包括溫度數(shù)據(jù)、濕度數(shù)據(jù)、降雨量數(shù)據(jù)、風(fēng)速數(shù)據(jù)；所述社會(huì)經(jīng)濟(jì)指標(biāo)包括生產(chǎn)總值數(shù)據(jù)、人口增長(zhǎng)率數(shù)據(jù)、能源價(jià)格數(shù)據(jù)；所述用戶(hù)行為數(shù)據(jù)包括消費(fèi)者的用電模式數(shù)據(jù)；所述用電模式數(shù)據(jù)包括用電時(shí)間分布數(shù)據(jù)、節(jié)假日用電分布數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，所述數(shù)據(jù)預(yù)處理模塊，具體用于對(duì)所述多源數(shù)據(jù)去除噪聲數(shù)據(jù)、處理異常值、填補(bǔ)缺失數(shù)據(jù)，得到已清洗多源數(shù)據(jù)；將所述已清洗多源數(shù)據(jù)中不同數(shù)據(jù)源的數(shù)據(jù)轉(zhuǎn)換到同一量綱范圍內(nèi)，得到已歸一化多源數(shù)據(jù)；通過(guò)數(shù)據(jù)變換和數(shù)據(jù)生成技術(shù)對(duì)所述已歸一化多源數(shù)據(jù)進(jìn)行數(shù)據(jù)集擴(kuò)充，得到所述已處理數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，所述數(shù)據(jù)融合模塊，具體用于對(duì)所述已處理數(shù)據(jù)進(jìn)行特征工程處理得到關(guān)鍵特征；將不同模態(tài)的所述關(guān)鍵特征通過(guò)融合策略整合成一個(gè)統(tǒng)一的特征空間的融合數(shù)據(jù)；通過(guò)主成分分析或非負(fù)矩陣分解對(duì)高維度的所述融合數(shù)據(jù)進(jìn)行降維處理，得到所述輸入數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊，具體用于根據(jù)預(yù)測(cè)任務(wù)的輸入數(shù)據(jù)特性確定對(duì)應(yīng)的深度學(xué)習(xí)模型；采用所述輸入數(shù)據(jù)對(duì)所述深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，并利用交叉驗(yàn)證和超參數(shù)調(diào)整對(duì)所述深度學(xué)習(xí)模型進(jìn)行優(yōu)化，得到所述預(yù)測(cè)模型。

6.根據(jù)權(quán)利要求5所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，還包括：預(yù)測(cè)結(jié)果分析模塊，用于對(duì)電力負(fù)荷預(yù)測(cè)結(jié)果與實(shí)際電力負(fù)荷數(shù)據(jù)計(jì)算誤差指標(biāo)，基于所述誤差指標(biāo)評(píng)估所述預(yù)測(cè)模型的預(yù)測(cè)性能。

7.根據(jù)權(quán)利要求6所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，還包括：預(yù)測(cè)結(jié)果展示模塊，用于利用圖表工具展示所屬電力負(fù)荷預(yù)測(cè)結(jié)果的變化趨勢(shì)。

8.根據(jù)權(quán)利要求7所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，還包括：場(chǎng)景模擬模塊，用于基于不同的假設(shè)場(chǎng)景對(duì)所述預(yù)測(cè)模型進(jìn)行負(fù)荷預(yù)測(cè)模擬，得到對(duì)應(yīng)的模擬結(jié)果，并基于不同的模擬結(jié)果對(duì)不同條件下的電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行決策數(shù)據(jù)調(diào)整。

9.根據(jù)權(quán)利要求8所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，還包括：決策數(shù)據(jù)輸出模塊，用于根據(jù)決策策略對(duì)所述電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行決策處理，得到調(diào)度數(shù)據(jù)。

10.根據(jù)權(quán)利要求9所述的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，其特征在于，還包括：異常負(fù)荷處理模塊，用于基于異常檢測(cè)算法對(duì)所述電力負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行檢測(cè)，當(dāng)檢測(cè)出異常數(shù)據(jù)時(shí)，基于所述異常數(shù)據(jù)進(jìn)行數(shù)據(jù)修成處理。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于人工智能的電力負(fù)荷精準(zhǔn)預(yù)測(cè)系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于通過(guò)預(yù)設(shè)路徑采集多源數(shù)據(jù)；數(shù)據(jù)預(yù)處理模塊，用于根據(jù)數(shù)據(jù)類(lèi)型對(duì)所述多源數(shù)據(jù)進(jìn)行預(yù)處理，得到已處理數(shù)據(jù)；數(shù)據(jù)融合模塊，用于利用數(shù)據(jù)融合對(duì)所述已處理數(shù)據(jù)進(jìn)行融合處理，得到統(tǒng)一格式的輸入數(shù)據(jù)；模型訓(xùn)練模塊，用于基于所述輸入數(shù)據(jù)對(duì)構(gòu)建的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到預(yù)測(cè)模型；預(yù)測(cè)模塊，用于采用所述預(yù)測(cè)模型對(duì)當(dāng)前數(shù)據(jù)進(jìn)行推理，得到電力負(fù)荷預(yù)測(cè)結(jié)果。提高電力負(fù)荷預(yù)測(cè)的有效性和準(zhǔn)確性。

技術(shù)研發(fā)人員：林鑫,霍成云,馬占海,王棟華,李鵬,王偉,劉曉剛,鐵祥福,鄧增銀,馬聰琪
受保護(hù)的技術(shù)使用者：青海瑞豐科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6