基于自适应基准曲线优化的可解释日负荷曲线预测方法

本发明属于电力系统领域，具体涉及一种基于自适应基准曲线优化的可解释日负荷曲线预测方法。

背景技术：

1、随着电力系统的快速发展，负荷预测在电力系统的调度、规划和安全运行中起着至关重要的作用。传统的负荷预测方法主要依赖于统计学模型，虽然这些方法能够提供一定的预测精度，但随着电力市场的变化，传统方法无法有效应对复杂的负荷变化和高波动性问题。近年来，基于人工智能的预测模型，尤其是基于深度学习和循环神经网络的方法，在提高预测准确性的同时，面临着“黑箱”问题，缺乏可解释性。

2、目前，针对复杂模型的可解释性，尤其是在负荷曲线预测中的应用，仍然是一个重要挑战。为了在提高预测精度的同时保证模型的可解释性，越来越多的研究开始关注可解释人工智能方法。基于此，本发明提出了一种基于自适应基准曲线优化的可解释日负荷曲线预测方法，旨在解决现有负荷预测模型在精度和可解释性之间的平衡问题。

技术实现思路

1、本发明的主要目的在于，提供一种基于自适应基准曲线优化的可解释日负荷曲线预测方法，旨在提高负荷预测的精度和可解释性。该方法通过引入基于特征的自适应基准曲线优化机制，结合随机森林和门控递归单元等人工智能技术，能有效地预测日负荷曲线，并且具有较强的可解释性。

2、为了解决上述技术问题，本发明所采用的技术方案如下：

3、第一方面，本发明提供一种基于自适应基准曲线优化的可解释日负荷曲线预测方法，该方法包括：

4、步骤1：选取具有物理意义的负荷特征指标，对于每一负荷特征指标，利用随机森林算法进行输入特征选择，并结合门控循环单元网络对所述负荷特征指标进行预测，得到待预测日的负荷特征指标；

5、步骤2：基于待预测日的负荷特征指标，采用自适应余弦距离最近邻算法，从历史日负荷曲线库中选取与待预测日日负荷曲线形态相似的历史日负荷曲线，构建自适应基准日负荷曲线；

6、步骤3：以所述自适应基准日负荷曲线为基础，引入待预测日的负荷特征指标作为约束条件，通过优化算法对日负荷曲线进行预测，最终得到待预测日的日负荷曲线预测结果。

7、作为优选，所述负荷特征指标包括日最大负荷因子、日负荷因子和日最小负荷因子，计算公式如下：

8、；

9、；

10、；

11、式中：为日期；为时刻；为日的日最大负荷因子；为时的实际负荷；为日的日负荷因子；为日的日最小负荷因子；与分别为取最大值与最小值。

12、作为优选，对于每一负荷特征指标，利用随机森林算法进行输入特征选择，并结合门控循环单元网络对所述负荷特征指标进行预测，具体包括：

13、输入特征包括历史负荷数据、气象数据及日期类型信息；

14、对于每一负荷特征指标，随机森林模型通过多棵决策树对特征重要性进行统计，根据特征在节点分裂过程中的贡献度，对输入特征进行排序，并筛选出对每一负荷特征指标重要性最高的若干特征，作为后续门控循环单元网络的输入；

15、门控循环单元网络利用更新门和重置门结构，基于各负荷特征指标对应的输入特征，对各负荷特征指标进行预测。

16、作为优选，步骤2包括：

17、对历史日负荷曲线进行归一化处理，构建历史日负荷曲线库；

18、将负荷特征指标与随机森林算法选择的输入特征拼接，形成用于度量相似性的特征向量；

19、获取待预测日的目标特征向量，计算目标特征向量与历史日负荷曲线库中各历史日负荷曲线的特征向量之间的余弦距离，并选择距离最小的若干条历史日负荷曲线；

20、通过软最大函数计算所选每条历史日负荷曲线的权重，通过加权平均得到待预测日的自适应基准日负荷曲线。

21、作为优选，通过软最大函数计算所选每条历史日负荷曲线的权重，通过加权平均得到待预测日的自适应基准日负荷曲线，包括：

22、获取所选的若干条历史日负荷曲线的特征向量与待预测日的目标特征向量之间的余弦距离，通过软最大函数计算所选每条历史日负荷曲线的权重：

23、；

24、式中：为所选历史日负荷曲线条数，为第条历史日负荷曲线的权重；为待预测日的目标日期，为第条历史日负荷曲线的特征向量与待预测日的目标特征向量之间的余弦距离；

25、基于所选每条历史日负荷曲线的权重，通过加权平均得到待预测日的自适应基准日负荷曲线：

26、；

27、式中：为自适应基准日负荷曲线时负荷归一化值；为第条历史日负荷曲线的时负荷归一化值。

28、作为优选，步骤2还包括：

29、根据拟合优度指标自适应确定所选历史日负荷曲线的数量，具体如下：

30、计算不同数量条件下的拟合优度指标：

31、；

32、式中：为拟合优度指标；为自适应基准日负荷曲线时负荷归一化值；为归一化后时的实际负荷值；为日负荷因子；

33、基于不同数量条件下的拟合优度指标，确定历史日负荷曲线最优选择数量。

34、作为优选，步骤3包括：

35、以所述自适应基准日负荷曲线修改量最小为目标函数，具体满足：

36、；

37、式中：为日期，为目标函数；为待预测日时负荷归一化值；为自适应基准日负荷曲线时负荷归一化值；

38、引入待预测日的负荷特征指标作为约束条件，包括：

39、预测日日负荷曲线的最大值满足所预测的日最大负荷因子；

40、预测日日负荷曲线的平均值满足所预测的日负荷因子；

41、预测日日负荷曲线的最小值满足所预测的日最小负荷因子；

42、将预测问题转化为优化问题，并通过优化算法求解得到待预测日的日负荷曲线。

43、作为优选，所述优化算法包括gurobi商业求解器。

44、第二方面，本发明提供一种计算机装置/设备/系统，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现第一方面所述方法的步骤。

45、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面所述方法的步骤。

46、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得以下有益效果：

47、本发明通过将日负荷曲线预测过程分解为具有明确物理意义的负荷特征指标预测、自适应基准日负荷曲线构建以及约束优化求解三个阶段，有效避免了传统逐时预测方法中误差累积的问题，在保证预测精度的同时显著增强了预测过程的可解释性；同时，基于余弦距离的自适应基准曲线方法能够动态刻画日负荷曲线形态变化，克服了传统聚类方法对负荷曲线形态适应性不足的缺陷；此外，通过在负荷曲线优化过程中引入日最大负荷因子、日负荷因子和日最小负荷因子等物理约束条件，使预测结果符合电力系统运行规律，具有明确的工程意义，从而实现了预测准确性、模型可解释性与工程可实施性的有效统一。