一种基于多源数据的短期电力负荷预测方法

本发明涉及电力负荷预测，特别是涉及一种基于多源数据的短期电力负荷预测方法。

背景技术：

1、电力负荷预测是通过对历史数据的分析和研究，探索电力需求与经济、社会发展的内在联系，以及变化规律，从而对未来的电力需求进行预先估计和推测。电力负荷预测可以分为中长期负荷预测和短期负荷预测。中长期负荷预测主要关注未来电力需求的趋势，包括电力需求的不确定性分析，以及如何结合时序趋势外推和相关分析来进行。短期负荷预测则更加注重日常的电力需求变化。

2、短期负荷预测是电力系统运行与分析的基础，对于机组组合、经济调度、安全校核等具有重要意义，提高短期负荷预测精度，是保障电力系统优化决策科学性的重要手段。短期负荷预测是电力系统领域一个传统的研究问题，目前预测的方法一种是普遍运用新兴理论尤其是人工智能的方法进行负荷预测，另一种是克服原有理论的曲线，将一些方法进行综合，建立组合预测模型。

3、但是现有的短期负荷预测方法还是存在预测误差较大的问题，原因主要包括：预测模型大多只包括某些主要因素，对于错综复杂的电力系统负荷变化来说简化了电力负荷的情况，与实际短期负荷存在差距；获取的原始数据可能存在错误和不真实；预测方法的选择也会影响短期负荷预测的结果。

4、因此，针对上述问题，需要一种基于多源数据的短期电力负荷预测方法，提高短期负荷预测的精度，对为电力系统的规划、运营和售电公司的市场策略提供决策依据。

技术实现思路

1、本发明的目的是提供一种基于多源数据的短期电力负荷预测方法，目的在于对噪声数据进行有效的修正和构建合适的预测模型，进而提高了短期电力负荷预测准确性。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于多源数据的短期电力负荷预测方法，包括：

4、采集不同区域内多源数据，并对所述多源数据进行预处理，其中所述多源数据包括负荷数据和气象数据；

5、将预处理后的多源数据作为训练集对短期电力负荷预测源模型进行训练，构建所述短期电力负荷预测源模型；

6、采集目标区域内目标多源数据并进行预处理；

7、基于所述短期电力负荷预测源模型进行迁移学习构建短期电力负荷预测目标模型，将预处理后的目标多源数据输入所述短期电力负荷预测目标模型，获取所述目标区域内短期电力负荷预测结果。

8、可选的，对所述多源数据进行预处理包括：

9、获取所述负荷数据中的异常数据，将所述异常数据分为缺失数据和毛刺数据；

10、利用小波变换模极大值去噪方法和小波阈值去噪方法分别对所述缺失数据和毛刺数据进行预处理；

11、利用去噪模型对所述气象数据进行预处理。

12、可选的，利用去噪模型对所述气象数据进行预处理的方法为：

13、x(n)＝f(n)+σ*z(n)

14、其中，n为样本n，x(n)为真实数据，f(n)为含噪数据，z(n)为噪声，σ为噪声标准偏差。

15、可选的，采集不同区域内多源数据包括：

16、确定反映系统行为特征的参考数列和影响系统行为的比较数列，其中，参考数列为负荷数据，比较数列为任意两种气象数据；

17、利用均值化处理，将比较数列中每种类型的气象数据进行无量纲化；

18、计算关联度的三个指标，即支持度、置信度和提升度，得出任意两种气象数据中与负荷达到预设关联度的气象数据。

19、可选的，所述短期电力负荷预测源模型包括：cnn特征提取模块和bilstm序列预测模块，所述cnn特征提取模块用于对所述负荷数据和所述气象数据进行特征提取，获取提取特征，所述bilstm序列预测模块用于对所述提取特征进行双向发掘，得到电力负荷预测输出值。

20、可选的，基于所述短期电力负荷预测源模型进行迁移学习构建短期电力负荷预测目标模型包括：迁移短期电力负荷预测源模型的模型参数到所述短期电力负荷预测目标模型中，冻结所述短期电力负荷预测目标模型中部分网络层的参数，利用历史目标多源数据训练所述短期电力负荷预测目标模型，微调模型中未冻结层的参数。

21、可选的，微调所述模型包括：

22、当所述多源数据与所述历史目标多源数据相似度大于阈值时，冻结所述短期电力负荷预测目标模型中除全连接层和回归输出层之外的所有层的权重参数，之后，训练所述短期电力负荷预测目标模型，微调未冻结的全连接层和回归输出层的权重参数；

23、当所述多源数据与所述历史目标域数据相似度小于阈值时，冻结所述短期电力负荷预测目标模型中cnn层，之后，训练所述短期电力负荷预测目标模型，微调未冻结的bilstm层的权重参数。

24、可选的，所述多源数据与所述历史目标多源数据的相似度度量采用欧拉距离法度量。

25、本发明的有益效果为：本发明通过对多源数据中的不同数据通过不同预处理方法进行预处理，对噪声数据进行有效的修正，进而提高了短期电力负荷预测准确性；本发明利用欧拉距离法度量不同数据集之间的相似性，根据相似性差异，将模型参数迁移学习的微调模型阶段策略分为两种情况，从而有效改善因相似性差异大产生的负荷预测精度下降的问题；本发明的短期电力负荷预测模型能够有效的提取数据中更多的特征信息，以提高短期电力负荷预测方法的精度。

技术特征：

1.一种基于多源数据的短期电力负荷预测方法，其特征在于，包括：

2.根据权利要求1所述的基于多源数据的短期电力负荷预测方法，其特征在于，对所述多源数据进行预处理包括：

3.根据权利要求2所述的基于多源数据的短期电力负荷预测方法，其特征在于，利用去噪模型对所述气象数据进行预处理的方法为：

4.根据权利要求1所述的基于多源数据的短期电力负荷预测方法，其特征在于，采集不同区域内多源数据包括：

5.根据权利要求1所述的基于多源数据的短期电力负荷预测方法，其特征在于，所述短期电力负荷预测源模型包括：cnn特征提取模块和bilstm序列预测模块，所述cnn特征提取模块用于对所述负荷数据和所述气象数据进行特征提取，获取提取特征，所述bilstm序列预测模块用于对所述提取特征进行双向发掘，得到电力负荷预测输出值。

6.根据权利要求1所述的基于多源数据的短期电力负荷预测方法，其特征在于，基于所述短期电力负荷预测源模型进行迁移学习构建短期电力负荷预测目标模型包括：迁移短期电力负荷预测源模型的模型参数到所述短期电力负荷预测目标模型中，冻结所述短期电力负荷预测目标模型中部分网络层的参数，利用历史目标多源数据训练所述短期电力负荷预测目标模型，微调模型中未冻结层的参数。

7.根据权利要求6所述的基于多源数据的短期电力负荷预测方法，其特征在于，微调所述模型包括：

8.根据权利要求7所述的基于多源数据的短期电力负荷预测方法，其特征在于，所述多源数据与所述历史目标多源数据的相似度度量采用欧拉距离法度量。

技术总结本发明涉及一种基于多源数据的短期电力负荷预测方法，包括：采集不同区域内多源数据，并对所述多源数据进行预处理，其中所述多源数据包括负荷数据和气象数据；将预处理后的多源数据作为训练集对短期电力负荷预测源模型进行训练，构建所述短期电力负荷预测源模型；采集目标区域内目标多源数据并进行预处理；基于所述短期电力负荷预测源模型进行迁移学习构建短期电力负荷预测目标模型，将预处理后的目标多源数据输入所述短期电力负荷预测目标模型，获取所述目标区域内短期电力负荷预测结果。本发明对噪声数据进行有效的修正和构建合适的预测模型，进而提高了短期电力负荷预测准确性。技术研发人员：侯文庭,侯林芳受保护的技术使用者：周口师范学院技术研发日：技术公布日：2024/8/27