一种基于MIC理论和单调值分解的日前负荷预测方法及系统与流程

本发明涉及梯级水电调度，特别是一种基于mic理论和单调值分解的日前负荷预测方法及系统。

背景技术：

1、梯级水电能够有效利用水力资源，降低电力系统碳排放，对支持新型电力系统和“双碳”目标建设具有至关重要的作用。此外，梯级水电中的抽蓄电站能够进一步平抑新能源出力的波动性，减少弃风弃光。在梯级水电中，水是重要的发电资源，对蓄水的合理调度是影响其运行的重要因素。出于安全的考虑，水库的水位需要保持在安全的范围内，因此需要将多余的来水进行消纳，也即用于发电。然而，上级水库的发电将造成下游水库的水位上涨，当水位超过安全限值后，弃水作业将造成能量的浪费。在此情况下，通过进行负荷预测，一方面，在负荷高峰期安排水库进行发电，可以最大化降低系统发电成本，弥补弃水造成的资源浪费，另一方面，在可再生能源丰富而负荷具有增加趋势时，通过安排储蓄电站进行储蓄，也能够提高新能源的利用率，降低系统运行成本。

2、综上所述，负荷预测在梯级水电调度中扮演着至关重要的角色。它不仅影响着水资源的合理利用和电力供应的保障，还直接关系到水电系统的安全。因此，在梯级水电系统的运行中，加强对负荷预测技术的研究和应用，提高预测的准确性和及时性，对于优化水电资源配置、提高电力系统运行效率具有重要意义。

技术实现思路

1、鉴于现有的负荷预测中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于加强对负荷预测技术的研究和应用。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种基于mic理论和单调值分解的日前负荷预测方法，其包括，

5、获取目标地区电网的多源数据集，并对所述多源数据集进行补缺；

6、对补缺后的数据进行特征参数分析，筛选特征参数构建数据集；

7、构建负荷预测模型，采用所述数据集对所述负荷预测模型进行训练；

8、定义所述负荷预测模型的损失函数，并采用所述负荷预测模型进行负荷预测，得到负荷预测结果。

9、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：对所述多源数据集进行补缺包括，

10、将多源数据集分解为趋势、周期和随机三个分量；

11、对三个分量进行补缺处理；

12、重新整合补缺后的分量组成与所述多源数据同格式的序列。

13、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：所述特征参数分析根据mic值进行选取，将mic值大于n的特征参数作为最终用电负荷预测的参数；

14、所述mic值的计算如下式所示：

15、

16、其中，p(hli,hoi)表示hl，ho的联合概率；p(hli),p(hoi)表示hl，ho的边缘概率；ho∈{ht,hwv,hwh,hr,hh,hp,hs,hu}；n为历史数据的条数；b(n)代表划分约束值，一般取为n0.6；m、n分别代表将hl，ho由小到大均匀划分的份数；i(hl,ho|m,n)代表在m、n划分下，hl，ho之间的互信息值。

17、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：所述负荷预测模型包括第一网络模型、第二网络模型和第三网络模型；

18、所述负荷预测模型的目标函数如下式所示：

19、

20、其中，lcnn为cnn网络的负荷预测值；lgru为gru网络的负荷预测值；wcnn,wgru分别为混合网络的权重预测值；b代表用于进行训练的一个批次的数据量。

21、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：所述负荷预测模型的损失函数如下式所示：

22、

23、其中，λ为正则化系数，θ1+θ2＝1,θ1≥0,θ2≥0，y1为cnn网络的负荷预测值，y2为gru网络的负荷预测值，θ1,θ2为混合网络为cnn网络和gru网络输出的权值。

24、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：对趋势分量进行补缺如下式所示：

25、

26、其中，xt为t时刻的观测值，t为时间，w为用于计算移动平均的窗口大小，β为平滑系数，tt时刻t的趋势分量估计值，tt′为时刻t的趋势分量补全值，是使用窗口移动平均或指数平滑得到的对缺失趋势分量的估计。

27、作为本发明所述基于mic理论和单调值分解的日前负荷预测方法的一种优选方案，其中：得到所述负荷预测结果包括，

28、将所述数据集输入所述负荷预测模型进行初步特征提取，生成两路特征序列，并将所述特征序列并行送入所述第三网络模型中，所述第三网络模型的全连接层1和2分别接收所述特征序列，并经过sigmoid激活后产生两路注意力权重序列，权值1和权值2；

29、所述权值1与所述权值2分别与第一网络模型和第二网络模型的特征序列进行加权融合，生成最终加权特征序列，所述加权特征序列经过输出层得到最终预测结果。

30、第二方面，本发明实施例提供了一种基于mic理论和单调值分解的日前负荷预测系统，其包括：

31、数据获取模块，用于获取目标地区电网的历史数据集；

32、数据预处理模块，用于对数据序列进行趋势、周期、随机三个分量的分解，然后分别对这三个分量进行补缺处理；

33、特征分析模块，使用mic方法对预处理后的数据集进行特征参数分析，筛选关键特征参数，构成数据集；

34、模型构建预测模块，用于构建负荷预测模型，在预测时将输入数据输入模型，根据模型中网络输出结果与第三网络输出的权重进行加权求和，得到最终的负荷预测结果。

35、第三方面，本发明实施例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，其中：所述处理器执行所述计算机程序时实现上述的基于mic理论和单调值分解的日前负荷预测方法的任一步骤。

36、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的基于mic理论和单调值分解的日前负荷预测方法的任一步骤。

37、本发明有益效果为将原始时间序列分解为趋势、周期和随机三个分量，对缺失值分别采用不同的补全策略，提高了数据补全的准确性，并引入移动平均、同期均值等方法，能更好地捕捉局部趋势和周期性特征，估计更贴近实际情况。通过mic理论能够有效发现变量之间的线性和非线性关联，从而选取与负荷关联度较高的气象参数作为预测特征。提出了一种集成网络架构，融合cnn、gru和注意力机制，三种模型优势互补，充分挖掘数据的不同模式和特征，通过cnn、gru和注意力权重的加权求和得到最终预测值。联合损失函数直接优化最终预测值与真实值的均方误差，引入熵正则化避免权重失衡。联合优化三个模型参数，更好地捕捉数据的复杂特征模式，整体流程通过三个模型的协同作用，实现了高效的负荷预测。