电力负荷的预测方法和装置与流程

本技术涉及电力，特别是涉及一种电力负荷的预测方法和装置。

背景技术：

1、随着全球对可再生能源的关注和应用不断发展，储能系统（如电池储能、热能储存、压缩空气储能等）已成为现代电力系统的关键组成部分，负荷预测作为贯穿现代电力系统发展的一项重要任务，对预测的准确性的要求也随之增加。传统的负荷预测方法主要基于历史数据和简单统计模型，这些方法在处理复杂、非线性和多变的储能系统数据时可能遇到困难，无法有效捕捉系统的动态特性和非线性行为。

2、传统技术中，可以采用基于深度学习的模型（如前馈神经网络、递归神经网络）、数据分解技术、注意力机制、多任务学习等的预测模型，对用户侧电力负荷进行预测。

3、然而，上述预测模型虽然能根据自学习能力和时空结构的周期预测能力对电力负荷进行预测，但存在准确性较低的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高用户侧电力负荷预测的准确性的电力负荷的预测方法和装置。

2、第一方面，本技术提供了一种电力负荷的预测方法，包括：

3、获取历史电力负荷数据库，其中，所述历史电力负荷数据库包括多个历史负荷数据，每个历史负荷数据对应一个时间点；

4、按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度；

5、对每个数据输入长度，基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集；

6、对每个数据输入长度，利用时序基础模型对所述数据输入长度对应的数据集进行预测，得到每个时间点下所述数据输入长度对应的负荷预测值；

7、基于所述负荷预测值，利用预设的黑寡妇算法对每个时间点对应的多个数据输入长度和多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示进行电力负荷预测时的最佳数据输入长度和最佳数据单次输出长度。

8、在其中一个实施例中，所述预测方法还包括：

9、获取每个时间点下所述多个单次输出长度的历史负荷数据；

10、根据所述负荷预测值和对应时间点下所述多个单次输出长度的历史负荷数据进行比对，得到损失值。

11、在其中一个实施例中，所述基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集，包括：

12、对所述数据输入长度对应的历史负荷数据进行编码，得到编码后的负荷数据；

13、对所述编码后的负荷数据进行掩码处理，得到掩码处理后的负荷数据；

14、将所述掩码处理后的负荷数据组成所述数据输入长度对应的数据集。

15、在其中一个实施例中，所述对所述数据输入长度对应的历史负荷数据进行编码，得到编码后的负荷数据，包括：

16、对每个数据输入长度，对所述数据输入长度对应的数据集的历史负荷数据进行位置编码和嵌入编码，得到每个历史负荷数据对应的位置信息和嵌入信息；

17、对所述历史负荷数据对应的时间点进行时间编码，得到时间信息；

18、将所述位置信息、所述嵌入信息和所述时间信息进行融合，得到所述编码后的负荷数据。

19、在其中一个实施例中，所述按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度，包括：

20、设置最大输入长度、最大单次输出长度和预设的总预测长度；

21、采用预设的混沌映射进行参数随机，得到输入参数和单次输出参数；

22、根据所述输入参数、所述最大输入长度和当前时间点确定所述当前时间点对应的多个数据输入长度；

23、根据所述单次输出参数、所述最大单次输出长度、所述预设的总预测长度和所述当前的时间点确定所述当前时间点对应的多个数据单次输出长度。

24、在其中一个实施例中，所述预设的黑寡妇算法包括以下步骤：

25、将所述负荷预测值输入，根据所述预设的混沌映射随机的单次输出参数以及所述单次输出参数对应的单次输出长度对应的历史负荷数据进行计算，得到第一黑寡妇对应的适应度；

26、获取所述适应度大于第一阈值的多个第二黑寡妇；

27、从所述多个第二黑寡妇中随机获取预设数量的第二黑寡妇作为父代进行交配，得到多个子代；

28、计算所述父代和所述多个子代的适应度，并获取所述父代和所述多个子代的适应度大于第二阈值的多个第三黑寡妇；

29、对第三黑寡妇进行随机突变得到最佳的黑寡妇参数。

30、在其中一个实施例中，所述预测方法还包括：

31、采用预设的异常值剔除算法对初始的历史电力负荷数据库中的初始历史负荷数据进行处理，并采用线性差值法对空值进行补全，得到历史负荷数据。

32、第二方面，本技术提供了一种电力负荷的预测方法，应用于第一方面所述的预测方法中，包括：

33、根据所述最佳数据输入长度获取历史数据库中的历史负荷数据，并作为待预测模型的第一输入数据；

34、将所述第一输入数据进行编码得到编码后的第一输入数据；

35、将编码后的第一输入数据输入所述时序基础模型获取到最佳数据单次输出长度的第一输出负荷数据；并将所述第一输出负荷数据拼接到所述第一输入数据后，得到拼接后的历史负荷数据；

36、根据所述最佳数据输入长度截取所述拼接后的历史负荷数据，得到第二输入数据；

37、判断当前的输出负荷数据的长度是否满足待预测数据的预设条件，否则返回到将所述第一输入数据进行编码得到编码后的第一输入数据的步骤。

38、在其中一个实施例中，所述预测方法还包括：

39、获取每次预测的输出负荷数据；

40、对所述输出负荷数据进行多次处理，得到所述输出负荷数据对应的多个数据输入长度和多个数据单次输出长度，每个数据输入长度相应的历史负荷数据组成数据集；

41、利用时序基础模型对所述数据集进行预测，得到所述每个数据点对应的每个数据输入长度对应的负荷预测值；

42、利用预设的黑寡妇算法对每个数据点对应的所述多个数据输入长度和所述多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示最佳数据输入长度和最佳数据单次输出长度。

43、第三方面，本技术还提供了一种电力负荷的预测装置，包括：

44、第一获取模块，用于获取历史电力负荷数据库，其中，所述历史电力负荷数据库包括多个历史负荷数据，每个历史负荷数据对应一个时间点；

45、处理模块，用于按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度；

46、第二获取模块，用于对每个数据输入长度，基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集；

47、预测模块，用于对每个数据输入长度，利用时序基础模型对所述数据输入长度对应的数据集进行预测，得到每个时间点下所述数据输入长度对应的负荷预测值；

48、寻优模块，用于基于所述负荷预测值，利用预设的黑寡妇算法对每个时间点对应的多个数据输入长度和多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示进行电力负荷预测时的最佳数据输入长度和最佳数据单次输出长度。

49、第四方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

50、获取历史电力负荷数据库，其中，所述历史电力负荷数据库包括多个历史负荷数据，每个历史负荷数据对应一个时间点；

51、按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度；

52、对每个数据输入长度，基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集；

53、对每个数据输入长度，利用时序基础模型对所述数据输入长度对应的数据集进行预测，得到每个时间点下所述数据输入长度对应的负荷预测值；

54、基于所述负荷预测值，利用预设的黑寡妇算法对每个时间点对应的多个数据输入长度和多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示进行电力负荷预测时的最佳数据输入长度和最佳数据单次输出长度。

55、第五方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

56、获取历史电力负荷数据库，其中，所述历史电力负荷数据库包括多个历史负荷数据，每个历史负荷数据对应一个时间点；

57、按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度；

58、对每个数据输入长度，基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集；

59、对每个数据输入长度，利用时序基础模型对所述数据输入长度对应的数据集进行预测，得到每个时间点下所述数据输入长度对应的负荷预测值；

60、基于所述负荷预测值，利用预设的黑寡妇算法对每个时间点对应的多个数据输入长度和多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示进行电力负荷预测时的最佳数据输入长度和最佳数据单次输出长度。

61、第六方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

62、获取历史电力负荷数据库，其中，所述历史电力负荷数据库包括多个历史负荷数据，每个历史负荷数据对应一个时间点；

63、按照所述多个历史负荷数据的时间顺序对所述多个历史负荷数据分别进行处理，得到每个时间点对应的多个数据输入长度和多个数据单次输出长度；

64、对每个数据输入长度，基于所述数据输入长度的历史负荷数据获得所述数据输入长度对应的数据集；

65、对每个数据输入长度，利用时序基础模型对所述数据输入长度对应的数据集进行预测，得到每个时间点下所述数据输入长度对应的负荷预测值；

66、基于所述负荷预测值，利用预设的黑寡妇算法对每个时间点对应的多个数据输入长度和多个数据单次输出长度进行寻优，得到最佳的黑寡妇参数；其中，所述黑寡妇参数表示进行电力负荷预测时的最佳数据输入长度和最佳数据单次输出长度。

67、上述电力负荷的预测方法和装置，通过对历史电力负荷数据库中每个时间点对应的历史负荷数据进行处理，得到每个时间点对应的数据输入长度和数据单次输出长度，并采用黑寡妇算法对每个时间点对应的数据输入长度和数据单次输出长度进行寻优，得到最佳输入长度和最佳数据单次输出长度，实时从真实的历史负荷数据中学习并动态的调整输入长度和单次输出长度，为后续预测电力负荷数据提供了最佳的数据输入长度和单次输出长度，从而提高了电力负荷数据预测的准确性。