电力负荷预测方法、装置、计算机设备、可读存储介质和程序产品与流程

本技术涉及电力，特别是涉及一种电力负荷预测方法、装置、计算机设备、可读存储介质和程序产品。

背景技术：

1、随着社会的不断发展以及经济水平的不断提高，智能电网也进入了一个飞速发展的阶段。智能电网的快速发展产生了大量的用电数据，因此，做好电力负荷预测工作，有助于提高电力调度的经济性、保障供电的可靠性、合理规划未来电力系统建设同时提高社会经济效益。

2、目前的电力负荷预测往往是针对人群密度不大的区域进行的，这种区域电力结构稳定，容易进行电力负荷预测。然而针对一些高度密集的区域来说，面临着电力需求高度集中和基础设施脆弱的双重挑战，使得这些区域的电力结构复杂，因此，亟需一种针对人群高度密集的区域的电力负荷预测方法，以确保这些区域的电力负荷的准确性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高高度密集区域的电力负荷预测准确性的电力负荷预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种电力负荷预测方法，包括：响应于针对目标地区的电力负荷预测指令，获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息；分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数；影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度；在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果；电力负荷预测模型是基于卷积神经网络和长短期记忆神经网络建立得到的模型。

3、在其中一个实施例中，目标地区的环境信息的获取过程包括：通过湿度传感器，对目标地区进行湿度数据采集，得到目标地区的湿度信息；通过温度传感器，对目标地区进行温度数据采集，得到目标地区的温度信息；通过风速传感器，对目标地区进行风速数据采集，得到目标地区的风速信息；将湿度信息、温度信息和风速信息进行融合，得到目标地区的环境信息。

4、在其中一个实施例中，将湿度信息、温度信息和风速信息进行融合，得到目标地区的环境信息，包括：将湿度信息、温度信息和风速信息进行融合，得到融合信息；基于卡尔曼滤波方法，对融合信息进行数据清洗，得到目标地区的环境信息。

5、在其中一个实施例中，分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数，包括：对预测时间信息与历史电力负荷数据之间进行相关性分析，得到预测时间信息与历史电力负荷数据之间的第一斯皮尔曼相关系数；对环境信息与历史电力负荷数据之间进行相关性分析，得到环境信息与历史电力负荷数据之间的第二斯皮尔曼相关系数；在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，包括：在第一斯皮尔曼相关系数或第二斯皮尔曼相关系数达到预设影响系数阈值的情况下，将第一斯皮尔曼相关系数或第二斯皮尔曼相关系数对应的信息作为关键影响信息；将历史电力负荷数据和关键影响信息输入预先训练好的电力负荷预测模型。

6、在其中一个实施例中，将历史电力负荷数据和关键影响信息输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果，包括：将历史电力负荷数据输入电力负荷预测模型的长短期记忆神经网络层，进行数据预测，得到第一预测结果；将关键影响信息输入电力负荷预测模型的卷积神经网络层，进行数据预测，得到第二预测结果；融合第一预测结果和第二预测结果，得到目标地区的电力负荷预测结果。

7、在其中一个实施例中，方法还包括：获取目标地区的样本负荷数据、目标地区的样本环境参数、以及预先设定的特定时间段；分别分析样本环境参数与样本负荷数据之间的第一影响系数、以及特定时间段与样本负荷数据之间的第二影响系数；基于第一影响系数和第二影响系数，对样本环境参数和特定时间段进行筛选，得到关键影响因子；将关键影响因子和样本负荷数据输入初始负荷预测模型，进行日前电力负荷预测，得到日前预测结果；获取日前电力负荷预测对应的预测时间，并采集预测时间对应的实时负荷数据；基于实时负荷数据与日前预测结果之间的对比结果，对初始负荷预测模型进行模型调参，得到电力负荷预测模型。

8、第二方面，本技术还提供了一种电力负荷预测装置，包括：数据获取模块，用于响应于针对目标地区的电力负荷预测指令，获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息；确定影响系数模块，用于分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数；影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度；电力负荷预测模块，用于在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果；电力负荷预测模型是基于卷积神经网络和长短期记忆神经网络建立得到的模型。

9、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：响应于针对目标地区的电力负荷预测指令，获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息；分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数；影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度；在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果；电力负荷预测模型是基于卷积神经网络和长短期记忆神经网络建立得到的模型。

10、第四方面，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，计算机程序被处理器执行时实现以下步骤：响应于针对目标地区的电力负荷预测指令，获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息；分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数；影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度；在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果；电力负荷预测模型是基于卷积神经网络和长短期记忆神经网络建立得到的模型。

11、第五方面，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：响应于针对目标地区的电力负荷预测指令，获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息；分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数；影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度；在影响系数达到预设影响系数阈值的情况下，将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先训练好的电力负荷预测模型，得到目标地区的电力负荷预测结果；电力负荷预测模型是基于卷积神经网络和长短期记忆神经网络建立得到的模型。

12、上述电力负荷预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，考虑到高度密集区域容易受环境因素以及预测时间因素的影响，因此响应于针对目标地区的电力负荷预测指令，本技术首先获取目标地区的历史电力负荷数据、电力负荷预测指令所指示的预测时间信息、以及目标地区的环境信息，并分别对预测时间信息和环境信息进行影响程度分析，得到预测时间信息和环境信息各自的影响系数，影响系数用于表示预测时间信息或者环境信息对于目标地区的电力负荷预测的影响程度，因此，在影响系数达到预设影响系数阈值时，则说明该影响系数对应的信息是影响电力负荷预测的关键影响信息，故将历史电力负荷数据、以及预测时间信息和环境信息中的至少一个输入预先基于卷积神经网络和长短期记忆神经网络建立得到的电力负荷预测模型，从而得到目标地区的电力负荷预测结果。卷积神经网络具有良好的特征提取能力和非线性拟合能力，长短期记忆神经网络能够捕捉负荷的周期性和变化趋势，通过将两者进行结合，能够提高电力负荷预测的准确性。