电力负荷预测方法、装置、设备及存储介质与流程

本技术涉及电力负荷预测，尤其涉及电力负荷预测方法、装置、设备及存储介质。

背景技术：

1、电力负荷预测是电力系统运行和管理中的重要环节，对于保障电力供应、优化资源配置具有重要意义。随着智能电网的发展，大数据和人工智能技术被广泛应用于电力负荷预测。传统的损失函数如均方误差（mse）等，对所有时段的预测误差进行等权处理，无法体现电力负荷峰谷时段的重要性差异，传统的预测方法往往未能充分捕捉电力负荷数据的长期依赖关系，导致预测精度受限，因此，目前亟需一种具有高预测精度的电力负荷预测方法来进行电力负荷预测。

2、上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种电力负荷预测方法、装置、设备及存储介质，旨在解决现有技术中无法进行高精度的电力负荷预测的技术问题。

2、为实现上述目的，本技术提出一种电力负荷预测方法，所述的方法包括：

3、获取当前的电力负荷信息和当前的电力负荷影响信息，所述电力负荷影响信息至少包括时间信息、天气信息、用户操作行为、生产活动排期；

4、对所述电力负荷信息与所述电力负荷影响信息进行数据清洗，得到电力负荷清洗数据和电力负荷影响信息清洗数据；

5、根据所述电力负荷清洗数据和电力负荷影响信息清洗数据确定用电峰谷值曲线图；

6、基于电力负荷预测模型对所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行预测，得到电力负荷预测值，其中，所述电力负荷预测模型包括编码器和解码器，所述编码器将所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值曲线图作为查询向量输入至所述解码器，所述解码器能够将所述查询向量按照时间嵌入矩阵，所述查询向量的变量在所述矩阵中的位置通过正余弦函数编码确定，并得到位置编码矩阵，根据所述位置编码矩阵确定所述查询向量的注意力参数，基于所述注意力参数对所述查询向量进行预测，得到所述电力负荷预测值。

7、在一实施例中，所述对所述电力负荷信息与所述电力负荷影响信息进行数据清洗，得到电力负荷清洗数据和电力负荷影响信息清洗数据的步骤包括：

8、对所述电力负荷信息与所述电力负荷影响信息进行数据识别，确定所述电力负荷信息与所述电力负荷影响信息中正常数据和异常数据；

9、将所述异常数据中的缺失值通过插值进行数据填充，得到填充数据；

10、将所述填充数据与所述正常数据组合得到所述电力负荷清洗数据和电力负荷影响信息清洗数据。

11、在一实施例中，所述根据所述电力负荷清洗数据和电力负荷影响信息清洗数据确定用电峰谷值曲线图的步骤包括：

12、对所述电力负荷清洗数据和电力负荷影响信息清洗数据进行分析，得到时间信息、天气信息、电力负荷信息，所述时间信息包括节假日信息；

13、将所述电力负荷清洗数据按照时间信息进行顺序排序，得到电力负荷曲线；

14、对所述电力负荷曲线进行分析，确定所述电力负荷曲线的峰值和谷值，得到所述电力负荷的用电峰谷值曲线图。

15、在一实施例中，所述基于电力负荷预测模型对所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行预测，得到电力负荷预测值的步骤之前还包括：

16、获取历史电力负荷信息和与所述历史电力负荷信息对应的历史电力负荷影响信息；

17、对所述历史电力负荷信息和所述历史电力负荷影响信息进行数据清洗，得到历史电力负荷清洗数据和历史电力负荷影响信息清洗数据；

18、将所述历史电力负荷清洗数据、历史电力负荷影响信息清洗数据和所述特征矩阵进行数据划分，得到训练集和验证集；

19、将所述训练集输入至初始电力负荷预测模型进行拟合，对所述初始电力负荷预测模型的权重进行更新，基于所述验证集对更新后的初始电力负荷预测模型进行验证，得到所述更新后的初始电力负荷预测模型的损失值，在所述损失值小于预设阈值时，将所述更新后的初始电力负荷预测模型输出为电力负荷预测模型，所述初始电力负荷预测模型包括编码器和解码器，所述编码器将所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值曲线图作为查询向量输入至所述解码器，所述解码器能够将所述查询向量按照时间嵌入矩阵，所述查询向量的变量在所述矩阵中的位置通过正余弦函数编码确定，并得到位置编码矩阵，根据所述位置编码矩阵确定所述查询向量的注意力参数，基于所述注意力参数对所述查询向量进行预测，得到所述电力负荷预测值。

20、在一实施例中，所述对所述初始电力负荷预测模型的权重进行更新，基于所述验证集对更新后的初始电力负荷预测模型进行验证，得到所述更新后的初始电力负荷预测模型的损失值的步骤包括：

21、将所述验证集中的历史电力负荷信息和所述电力负荷影响信息根据时间信息生成输入序列；

22、将所述输入序列输入至编码器中，得到电力负荷特征；

23、将所述电力负荷特征按照时间进行排列，得到所述电力负荷的峰谷信息；

24、将所述电力负荷的峰谷信息输入至解码器，生成电力负荷预测值；

25、将所述验证集的真实值与所述电力负荷预测值进行比较，得到损失值。

26、在一实施例中，所述将所述验证集的真实值与所述电力负荷预测值进行比较，得到损失值的步骤之后还包括：

27、在所述损失值大于损失阈值时，基于所述训练集对所述更新后的初始电力负荷预测模型训练，并重复执行将所述训练集输入至初始电力负荷预测模型进行拟合，对所述初始电力负荷预测模型的权重进行更新的步骤，直至所述损失值小于损失阈值。

28、在一实施例中，所述基于电力负荷预测模型对所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行预测，得到电力负荷预测值的步骤包括：

29、获取电力负荷的目标预测时间；

30、基于所述电力负荷预测模型对所述目标预测时间、所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行电力负荷预测，得到在所述目标预测时间的电力负荷预测值。

31、此外，为实现上述目的，本技术还提出一种电力负荷预测装置，所述电力负荷预测装置包括：

32、数据收集模块，用于获取当前的电力负荷信息和当前的电力负荷影响信息，所述电力负荷影响信息包括时间信息、天气信息；

33、数据清洗模块，用于对所述电力负荷信息与所述电力负荷影响信息进行数据清洗，得到电力负荷清洗数据和电力负荷影响信息清洗数据；

34、峰值确定模块，用于根据所述电力负荷清洗数据和电力负荷影响信息清洗数据确定用电峰谷值曲线图；

35、负荷预测模块，用于基于电力负荷预测模型对所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行预测，得到电力负荷预测值。

36、此外，为实现上述目的，本技术还提出一种电力负荷预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的电力负荷预测方法的步骤。

37、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质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如上文所述的电力负荷预测方法的步骤。

38、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的电力负荷预测方法的步骤。

39、本技术提出的一个或多个技术方案，至少具有以下技术效果：获取当前的电力负荷信息和当前的电力负荷影响信息，所述电力负荷影响信息至少包括时间信息、天气信息、用户操作行为、生产活动排期；对所述电力负荷信息与所述电力负荷影响信息进行数据清洗，得到电力负荷清洗数据和电力负荷影响信息清洗数据；根据所述电力负荷清洗数据和电力负荷影响信息清洗数据确定用电峰谷值曲线图；基于电力负荷预测模型对所述电力负荷清洗数据、所述电力负荷影响信息清洗数据和所述用电峰谷值进行预测，得到电力负荷预测值，实现根据预测模型和峰谷感知来进行负荷预测，能够提高电力负荷预测的预测精度。