一种电网负荷预测方法、电子设备及存储介质与流程

1.本发明涉及电力技术领域，尤其涉及一种电网负荷预测方法、电子设备及存储介质。


背景技术：

2.负荷预测是电力系统运行管理的重要环节。对负荷进行准确、周期性的预测能够满足电力企业后续的电网规划、电力调度、电力交易等业务需求。短期负荷由于受天气变化、社会活动和节日类型等各种因素的影响，在时间序列上表现为非平稳的随机过程，但是影响系统负荷的各因素中大部分具有规律性，从而为实现有效的预测奠定了基础。
3.目前对电网负荷分析的方法有小波变换与软计算结合的短期负荷预测方法，但小波变换的使用局限于提取负荷数据的冗余性，难以保证其准确性。对于非结构性、非精确性的规律的自适应能力低下，容错能力差。


技术实现要素：

4.本发明提供了一种电网负荷预测方法、电子设备及存储介质，以实现提高对于非平稳的随机过程的电网负荷预测的准确率。
5.根据本发明的一方面，提供了一种电网负荷预测方法，包括：
6.获取预测的时间节点，确定所要预测的虚拟区间；
7.利用预测修正模型对所述虚拟区间进行负荷预测，得到负荷预测曲线；
8.确定子线与母线的隶属关系，其中，所述母线用于汇集、分配及传输电能，所述子线为所述母线的分支线，用于传输电能；
9.根据所述子线与母线的隶属关系，对所述母线的负荷进行校核。
10.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
11.至少一个处理器；以及
12.与所述至少一个处理器通信连接的存储器；其中，
13.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的电网负荷预测方法。
14.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电网负荷预测方法。
15.本发明的技术方案，通过获取预测的时间节点，确定所要预测的虚拟区间；利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线；确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能；根据子线与母线的隶属关系，对母线的负荷进行校核。校验和对各线路的负荷预测数据以增强各预测修正模型的自适应能力，从而提高受非平稳的随机因素影响的短期电网负荷预测的准确率，提
升短期电网负荷预测系统的自适应能力和容错力。
16.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
17.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是根据本发明实施例一提供的一种电网负荷预测方法的流程图；
19.图2是根据本发明实施例六提供的一种电网负荷预测装置的结构示意图；
20.图3是实现本发明实施例的电网负荷预测方法的电子设备的结构示意图。
具体实施方式
21.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
22.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.实施例一
24.图1为本发明实施例一提供了一种电网负荷预测方法的流程图，本实施例可适用于实现提高对于非平稳的随机过程的电网负荷预测的准确率情况，该方法可以由电网负荷预测装置来执行，该电网负荷预测装置可以采用硬件和/或软件的形式实现，该电网负荷预测装置可配置于服务器、个人电脑中。如图1所示，该方法包括：
25.s101、获取预测的时间节点，确定所要预测的虚拟区间。
26.用户在系统中选取需要预测的时间节点，确定所要预测的虚拟区间，该虚拟区间是一个时间段，是介于用户选取的预测点之间的一个时间段。示例性的，该虚拟区间可以为一天、一个小时。
27.本发明实施例，仅做举例，不作限定，在本发明的其他实施例中，虚拟区间还可以为其他时长的时间段。
28.s102、利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线。
29.预测修正模型是可以根据系统中历史的电网负荷数据来预测虚拟区间的负荷的
模型。系统方法库中有若干个预测修正模型，在进行电网负荷预测的过程中，系统根据用户选取的虚拟区间及预设的规则自动匹配对应的预测修正模型，能够针对不同的虚拟区间选择最合适的预测修正模型，以进一步提高电网负荷预测的准确率。
30.示例性的，在系统方法库中根据用户选择的虚拟区间选取对应的预测修正模型，结合系统中的历史负荷数据使用该修正模型预测虚拟区间各个时刻的负荷值，将待预测日的各个时刻的点串联起来得到待预测日对应的负荷预测曲线。
31.需要说明的是，在本发明实施例中，对系统如何根据用户选取的虚拟区间及预设的规则自动匹配对应的预测修正模型不作限定，例如可以根据虚拟区间的日期的类型、当前所处的季节匹配对应的预测修正模型。
32.在本发明的一些实施例中，s102包括：
33.s1021、获取历史样本集合。
34.历史样本集合是由基准日至基准日的前n个历史日期的每日负荷向量cd组合而成的，cd＝[p
d,1
,p
d,2
,
…
,p
d,t
]，d是指基准日前的第d天，t是指当天的第t个采样点，p
dt
是指第d日第t时刻的负荷，基准日为作为参考的历史日期。示例性的，p
23
是指基准日前的第2日第3时刻的负荷值。历史样本集合用集合的形式表示了能够用于预测虚拟区间的历史日期的所有时刻的数据。
[0035]
本发明仅作举例，不作限定。
[0036]
s1022、将历史样本集合按照预设的规则进行排序，得到相关负荷集合。
[0037]
相关负荷集合是由n个相关负荷曲线di＝[p
i,1
,p
i,2
,
…
,p
i,t
]组合而成，相关负荷集合中i的数值越小的对应集合与待预测日相关程度越高。
[0038]
由于历史样本集合中的各日各时刻的数据对虚拟区间的负荷预测有着不同的影响程度，示例性的，若虚拟区间为周一时，历史样本集合中日期类型为周日对应的数据，由于是周末，因此对虚拟区间的负荷预测较小，而历史样本集合中为周一对应的数据和虚拟区间待测日的负荷预测值可能会比较相似。因此，需要将历史样本集合按照预设的规则进行重要性排序，排序后得到的集合称为相关符合集合。
[0039]
在本发明的一些实施例中，s1022中包括：
[0040]
s221、将n个历史日期按照预设的规则分为m个周期，其中，每个周期有n/m天。
[0041]
历史日期具有大致的重复规律性，将n个历史日期按照遵循的规律设置的规则分为m个周期，相应的，每个周期有n/m天。
[0042]
示例性的，将基准日前14天按照预设的规则分为2个周期，每个周期为7天。
[0043]
需要说明的是，本发明实施例对于周期的划分为示例性说明，在本发明的其他实施例中，还可以根据不同的规则进行划分，本发明不作限定。
[0044]
s222、将m个周期中与待测日为同类型日的每日负荷向量作为相关负荷集合的前m个负荷向量di，其中，i＝1...m，同类型日为与待测日处在周期内同一位置的日期。
[0045]
示例性的，待测日为其周期中的第一个负荷向量，将第一周期中的第一个负荷向量作为相关负荷集合中的第一个负荷向量d1，将第二周期中的第一个负荷向量作为相关负荷集合中的第二个负荷向量d2。
[0046]
将同类型日的负荷向量放在相关负荷集合的最前面，即与待预测日的负荷预测值的相似性最大。
[0047]
本发明仅作举例，不作限定。
[0048]
s223、将第m个周期中不同类型日对应的n-m个每日负荷向量d依次编上序号作为相关负荷集合的第i个负荷向量di，其中，i＝(m 1)...n。
[0049]
不同类型日为周期内除了同类型日以外的其它历史日期，示例性的，待预测日为周一，则一周内除了周一以外的日期均为不同类型日。
[0050]
示例性的，将第1个周期不同类型日对应的6个每日负荷向量d依次编上序号作为相关负荷集合的第3-8个负荷向量di，将第2个周期不同类型日对应的6个每日负荷向量d依次编上序号作为相关负荷集合的第9-14个负荷向量di。
[0051]
本发明仅作举例，不作限定。
[0052]
s1023、分别计算第i天的特征参数，其中特征参数为日平均负荷：
[0053]
p
i,ave
＝average(p
i,1
,p
i,2
,
…
,p
i,t
)。
[0054]
第i天的特征参数可以代表这一天电网负荷值的波动情况，示例性的，使用第i天的日平均负荷作为第i天的特征参数来表示第i天电网负荷的情况。第i天的日平均值为p
i,ave
＝average(p
i,1
,p
i,2
,
…
,p
i,t
)，是第i天t个时刻的平均值。
[0055]
[54]需要说明的是，在本发明实施例中，使用日平均负荷作为特征参数为本发明实施例的示例性说明，在本发明的其他实施例中，还可以使用日最大负荷p
i,max
＝max(p
i,1
,p
i,2
,
…
,p
i,t
)、日最小负荷p
i,min
＝min(p
i,1
,p
i,2
,
…
,p
i,t
)作为第i天的特征参数，本发明仅作举例，不作限定。
[0056]
s1024、根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线。
[0057]
根据重新排序后的相关负荷集合和特征参数，利用提前挑选号的修正模型，对于虚拟区间内的各个时刻点的负荷预测值进行预测，将各个时刻点得到的负荷预测值串联起来，以得到表示该虚拟区间对应的负荷曲线。
[0058]
本发明仅作举例，不作限定。
[0059]
s103、确定子线与母线的隶属关系。
[0060]
母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能。根据解析cim模型(common information model；通用数据模型)拓扑模型与相应的开关状态信息，利用模型搜索算法自动的构建出整个电网110kv子线与220kv母线的隶属关系。示例性的，与a母线连接的若干条子线与a母线均为隶属关系。
[0061]
需要说明的是，本发明实施例中通过解析cim模型来得到子线与母线的隶属关系为本发明的示例性说明，在本发明的其他实施例中还可以用其他的方法确定子线与母线的隶属关系，本发明仅作举例，不作限定。
[0062]
s104、根据子线与母线的隶属关系，对母线的负荷进行校核。
[0063]
在理论过程中，隶属于同一母线的所有子线的负荷累加起来得到的累加负荷值等于该母线的负荷值。根据子线与母线的隶属关系，利用其子线的负荷值和母线的负荷值来进行对母线的负荷预测值的准确情况进行校核，以得知该电网负荷预测的准确度。
[0064]
本发明仅作举例，不作限定。
[0065]
在本发明的一些实施例中，s104包括：
[0066]
s1041、将隶属于同一母线的子线对应的负荷预测曲线累加，得到累加预测曲线。
[0067]
将隶属于同一220kv的110kv子线对应的负荷预测曲线进行累加，得到所有110kv子线的累加预测曲线，该累加预测曲线各个时刻点对应的负荷值为该时刻点所有子线负荷预测值的总值。
[0068]
本发明仅作举例，不作限定。
[0069]
s1042、根据累加预测曲线对母线的负荷预测曲线进行校核。
[0070]
计算累加预测曲线和母线的负荷预测曲线的差值，从而将累加预测曲线与母线的负荷预测曲线进行对比，从而对母线的负荷预测曲线进行校核。示例性的，若差值大于预设的阈值时，则说明该电网负荷预测系统的准确值没达到预想的效果；若差值小于预设的阈值时，则说明该电网负荷预测系统的准确值达到了预想的效果，校核结果通过。
[0071]
需要说明的是，本发明实施例中通过计算累加预测曲线和母线的负荷预测曲线的差值来对母线的负荷预测曲线进行校核为本发明的示例性说明，在本发明的其他实施例中还可以用其他的方法对母线的负荷预测曲线进行校核，本发明仅作举例，不作限定。
[0072]
本发明实施例的技术方案，通过获取预测的时间节点，确定所要预测的虚拟区间；利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线；确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能；根据子线与母线的隶属关系，对母线进行校核。校验和对各线路的负荷预测数据以增强各预测修正模型的自适应能力，从而提高受非平稳的随机因素影响的短期电网负荷预测的准确率，提升短期电网负荷预测系统的自适应能力和容错力。
[0073]
实施例二
[0074]
本实施例为上述实施例中的预测修正模型为点对点倍比法时，根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线的细化操作。该方法包括：
[0075]
s201、获取预测的时间节点，确定所要预测的虚拟区间。
[0076]
s202、利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线。
[0077]
s2021、获取历史样本集合。
[0078]
s2022、将历史样本集合按照预设的规则进行排序，得到相关负荷集合。
[0079]
s2023、分别计算第i天的特征参数。
[0080]
s2024、对第一周期的不同类型日的t时刻通过下述公式作平滑处理：
[0081]a1,t
＝βp
(m 1),t
β(1-β)p
(m 2),t

…
β(1-β)
n/m-1
p
(m n/m),t
[0082]
β为预设的逐点负荷平滑系数，一般β∈[0.1，0.9]。示例性的，a
1，t
＝βp
3，t
β(1-β)p
4，t

…
β(1-β)5p
8，t
。
[0083]
s2025、对第二周期的不同类型日的t时刻通过下述公式作平滑处理：
[0084]a2,t
＝βp
(m n/m 1),t
β(1-β)p
(m n/m 2),t

…
β(1-β)
n/m-1
p
(m 2
×
n/m),t
[0085]
其中，β为预设的逐点负荷平滑系数。示例性的，a
2，t
＝βp
9，t
β(1-β)p
10,t

…
β(1-β)5p
14,t
。
[0086]
s2026、通过下述公式计算待预测日的t时刻的负荷预测值
[0087][0088]
对t＝1,2,
…
,t依次进行上式的计算，取第一周期中的p
1，t
代入进行计算，得到待预测日所有时刻的负荷预测值。
[0089]
s2027、将待预测日的所有t时刻的负荷预测值合并，作为待预测日的负荷预测曲线。
[0090]
将各个时刻点得到的负荷预测值串联起来，以得到表示该待预测日对应的负荷曲线。
[0091]
s203、确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能。
[0092]
s204、根据子线与母线的隶属关系，对母线的负荷进行校核。
[0093]
本发明实施例中，待预测日某时刻的负荷预测值是其相关的近期各日同一时刻的负荷值的一次指数平滑结果，便于所有历史日期的用电情况较为类似的情况下，进行待预测日的负荷预测。
[0094]
实施例三
[0095]
本实施例为上述实施例中的预测修正模型为日倍比平滑法时，根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线的细化操作。该方法包括：
[0096]
s301、获取预测的时间节点，确定所要预测的虚拟区间。
[0097]
s302、利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线。
[0098]
s3021、获取历史样本集合。
[0099]
s3022、将历史样本集合按照预设的规则进行排序，得到相关负荷集合。
[0100]
s3023、分别计算第i天的特征参数。
[0101]
s3024、取日平均负荷p
i,ave
作为标么曲线的基值p
i,0
。
[0102]
标么值是相对单位制的一种，可以视作其无量纲，其中，标么值等于有名值/基值。取日平均负荷p
i,ave
作为标么曲线的基值p
i,0
，便于后续对标么值的计算。
[0103]
本发明仅作举例，不作限定。
[0104]
s3025、根据标么曲线的基值p
i,0
及相关负荷集合，通过下述公式计算第i天第t时刻的第一标么值：
[0105]
l
i,t
＝p
i,t
/p
i,0
[0106]
其中，t＝1...t，i＝1..n。
[0107]
将相关负荷集合中第i天第t时刻的值作为有名值，通过l
i,t
＝p
i,t
/p
i,0
，其中，t＝1...t，i＝1...n来计算对应的第一标么值l
i,t
.
[0108]
本发明仅作举例，不作限定。
[0109]
s3026、通过下述公式计算待预测日的t时刻的第一标么值：
[0110]
[0111]
α为标么曲线预测的平滑系数，一般α∈[0.1，0.9]。示例性的，使用相关符合集合对应的第一标么值通过平滑处理，计算待预测日的t时刻的第一标么值。将待预测日t个时刻分别对应进行上述处理，以得到待预测日各个时刻的第一标么值。
[0112]
需要说明的是，在本发明的其他实施例中，α的取值范围还可以适应增大，本发明仅作举例，不作限定。
[0113]
s3027、将待预测日的所有t时刻的第一标么值合并，作为待预测日的第一标么曲线
[0114]
将各个时刻点得到的第一标么值串联起来，以得到表示该待预测日对应的第一标么曲线。
[0115]
本发明仅作举例，不作限定。
[0116]
s3028、通过下述公式计算第j周期的不同类型日的基值的平滑值：
[0117]aj,0
＝βp
(m (j-1)
×
n/m 1),0
β(1-β)p
(m (j-1)
×
n/m 2),0

…
β(1-β)
n/m-1
p
(m (j-1)
×
n/m),0
其中，j为1～m之间的值。
[0118]
通过上式计算每个周期的不同类型日的基值的平滑值，示例性的，周期＝14，分为两个周期，计算第一周期对应的不同类型日的基值，式子如下：a
1,0
＝βp
3,0
β(1-β)p
4,0

…
β(1-β)5p
8,0
；计算第二周期对应的不同类型日的基值，式子如下：a
2,0
＝βp
9,0
β(1-β)p
10,0

…
β(1-β)5p
14,0
[0119]
本发明实施例仅作举例，不作限定。
[0120]
s3029、通过下述公式任取一等式计算待预测日的基值
[0121][0122]
待测日近似成立关系如上式，通过上式任一选取其中的等式进行计算，从而得到待预测日的基值示例性的，取第一个等式计算，得到待预测日的基值
[0123]
需要说明的是，本发明实施例中使用线性倍比的方法计算待预测日的基值为示例性说明，在本发明的其他实施例中还可以进行样条插值后，再进行待预测日基值的计算。，本发明仅作举例，不作限定。
[0124]
s30210、根据待预测日的基值和第一标么曲线通过下述公式计算t时刻的负荷预测值
[0125][0126]
根据待预测日的基值和各个时刻的第一标么值，对算对应t时刻的负荷预测值
[0127]
本发明仅作举例，不作限定。
[0128]
30211、将待预测日的所有t时刻的负荷预测值合并，作为待预测日的负荷预测曲线。
[0129]
将各个时刻点得到的负荷预测值串联起来，以得到表示该待预测日对应的负荷曲线。
[0130]
s303、确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能。
[0131]
s304、根据子线与母线的隶属关系，对母线的负荷进行校核。
[0132]
本发明实施例中，待预测日标么负荷曲线可由相关负荷集合的均值标么曲线的逐点平滑结果得到，而相应的基值由其前一周期的倍比关系预测，进而得到待预测日各个时刻的预测值。
[0133]
实施例四
[0134]
本实施例为上述实施例中的预测修正模型为重叠曲线法时，根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线的细化操作。该方法包括：
[0135]
s401、获取预测的时间节点，确定所要预测的虚拟区间。
[0136]
s402、利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线。
[0137]
s4021、获取历史样本集合。
[0138]
s4022、将历史样本集合按照预设的规则进行排序，得到相关负荷集合。
[0139]
s4023、分别计算第i天的特征参数。
[0140]
s4024、根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线。
[0141]
在本发明的一些实施例中，s4024包括：
[0142]
步骤1：将相关负荷集合中的相关负荷曲线向前一日取后k个点、向后一日前q个点，构成延伸负荷曲线fi,其中，延伸负荷曲线共有g＝k t q个点，延伸负荷曲线为：
[0143]fi
＝[p
i-1,t-(k-1)
,
…
,p
i-1,t-1
,p
i-1,t
,p
i1
,p
i2
,
…
,p
it
,p
i 1,1
,p
i 1,2
,
…
,p
i 1,q
]。
[0144]
示例性的，向前一日取后2个点，向后一日取前1个点，正常一天有24个时刻点。构成的延伸负荷曲线共有27个时间点。
[0145]
需要说明的是，本发明实施例对延伸负荷曲线的取点方式为示例性说明，在本发明的其他实施例中，还可以通过其他取点方式来得到延伸负荷曲线，其中，m应该大于t，即m和q其中一项为非0。
[0146]
步骤2：采用式l
i,t
＝p
i,t
/p
i,0
，其中，t＝1...t，i＝1...n计算从基准日至待预测日之间r个历史日期的g个时刻的第二标么值
[0147]
示例性的，将相关负荷集合中第r天第t时刻的值作为有名值，通过l
i,t
＝p
i,t
/p
i,0
，其中，t＝1...t，i＝1...n来计算对应的第二标么值
[0148]
本发明仅作举例，不作限定。
[0149]
步骤3：分别对r个历史日期的所有时刻的第二标么值合并，作为各历史日期的第二标么曲线其中，i＝1...r，第1天为基准日，第r天为待预测
日。
[0150]
在每一个历史日期内，将各个时刻点得到的第二标么值串联起来，以得到表示各个历史日期对应的第二标么曲线
[0151]
本发明仅作举例，不作限定。
[0152]
步骤4：设负荷预测延伸曲线为其中，为第i天的第t时刻的负荷预测值。
[0153]
预先设置负荷预测延伸曲线为以表示第i天经过向前向后取点后得到的负荷预测延伸曲线。
[0154]
步骤5：令i为1,将第i-1天的负荷向量中的后k个负荷值和第i天的负荷向量中的负荷值作为第i天负荷预测延伸曲线的前k t个负荷预测值，通过下述公式计算第i天对应的负荷预测延伸曲线的前k t个负荷预测值的第一基值
[0155][0156]
其中t＝1...(k t)。
[0157]
通过计算历史日期当天及前一天选定的时刻点的已知的负荷值，计算这些时刻点的第一基值以用于后续对负荷预测延伸曲线中未知点的进一步预测。
[0158]
本发明仅作举例，不作限定。
[0159]
步骤6：根据第一基值，通过下述公式计算第i天的负荷预测延伸曲线的后g个负荷预测值：
[0160][0161]
其中t＝(k t 1)...g。
[0162]
根据标么值＝有名值/基值的理论基础，通过上式来计算第i天的负荷延伸曲线的后g个负荷预测值。即计算第i天以后的时刻点的负荷预测值。
[0163]
本发明仅作举例，不作限定。
[0164]
步骤7：将步骤5～步骤6得到的所有负荷预测值合并，得到第1天的负荷预测延伸曲线即得到基准日的负荷预测延伸曲线。
[0165]
将第1天各个时刻点得到的负荷预测值串联起来，以得到表示第1天对应的负荷预测延伸曲线
[0166]
本发明仅作举例，不作限定。
[0167]
步骤8：令i为2，计算第i天的负荷预测延伸曲线的前k q个负荷预测值的第二基值：
[0168][0169]
通过计算历史日期当天及前一天选定的时刻点的已知的负荷值，计算这些时刻点的第二基值，以用于后续对负荷预测延伸曲线中未知点的进一步预测。
[0170]
本发明仅作举例，不作限定。
[0171]
步骤9：根据第二基值，通过下述公式计算第i天的负荷预测延伸曲线的后t个负荷预测值：
[0172][0173]
其中t＝(k q 1)...g。
[0174]
根据标么值＝有名值/基值的理论基础，利用第二基值，通过上式来计算第i天的负荷延伸曲线的后g个负荷预测值。即计算第i天以后的时刻点的负荷预测值。
[0175]
本发明仅作举例，不作限定。
[0176]
步骤10：将步骤7～步骤8得到的所有负荷预测值合并，得到第i天的负荷预测延伸曲线
[0177]
将第i天各个时刻点得到的负荷预测值串联起来，以得到表示第i天对应的负荷预测延伸曲线
[0178]
本发明仅作举例，不作限定。
[0179]
步骤11：将i累加1，重复步骤8～步骤9，判断i是否等于r。
[0180]
将i累加1，重复步骤8～步骤9，利用第二基值以不断地向后推算负荷预测延伸曲线中后g个负荷预测值。当i等于r时，表明将r个历史日期的负荷预测推算完毕，第r日的负荷预测延伸曲线为待预测日的负荷预测延伸曲线。
[0181]
本发明仅作举例，不作限定。
[0182]
步骤12：若i等于r，则在第r天对应的负荷预测延伸曲线中，从第k 1个负荷值开始向后选取t个负荷预测值，合并作为待预测日的负荷预测曲线。
[0183]
由于延伸负荷曲线为相关负荷曲线向前一日取后k个点、向后一日前q个点构成的。因此从第k 1个负荷值开始向后选取t个负荷预测值，进行合并，作为待预测日的负荷预测曲线。
[0184]
需要说明的是，在本发明实施例中选取负荷值为本发明示例性说明，在本发明的其它实施例中，还可以有其他的选点方法，本发明仅作举例，不作限定。
[0185]
s403、确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为母线的分支线，用于传输电能。
[0186]
s404、根据子线与母线的隶属关系，对母线的负荷进行校核。
[0187]
本实施例中，将原来每日的负荷曲线分别从左右两边延伸出几个时刻,则各日的延伸负荷曲线就有一段重叠区。由于基准日的后几个时刻为已知，而这几个时刻又是下一日的前几个时刻的值，由标么曲线的预测结果即可得到其它时刻点的有名值，如此逐日重
叠预测，得到待预测日结果。
[0188]
实施例五
[0189]
本实施例为上述实施例中的预测修正模型为重叠曲线法时，根据相关负荷集合及特征参数，利用预测修正模型对虚拟区间进行负荷预测，得到负荷曲线的细化操作。该方法包括：
[0190]
s501、获取预测的时间节点，确定所要预测的虚拟区间。
[0191]
s502、利用预测修正模型对虚拟区间进行负荷预测，得到负荷预测曲线。
[0192]
s5021、获取历史样本集合。
[0193]
s5022、将历史样本集合按照预设的规则进行排序，得到相关负荷集合。
[0194]
s5023、分别计算第i天的特征参数。
[0195]
s5024、根据n个历史日期的日平均负荷，利用一元线性回归模型p
i,average
＝ai b，确定第一回归系数a和第二回归系数b，进而确定预测回归模型。
[0196]
将日平均负荷与n个历史日期视作一种线性的管理，根据n个历史日期中第i天的日平均负荷来拟合出一元线性回归模型p
i,average
＝ai b，确定第一回归系数a和第二回归系数b。
[0197]
需要说明的是，使用一元线性回归模型为本发明实施例的示例性说明，在本发明的其他实施例中，还可以使用其他的回归模型，本发明不作限定。
[0198]
s5025、根据预测回归模型计算待测日的日平均负荷p
m,average
，作为待测日的基值。
[0199]
示例性的，取日平均负荷p
i,ave
作为待预测日的基值p
i,0
，便于后续对标么值的计算。
[0200]
本发明仅作举例，不作限定。
[0201]
s5026、通过下述公式计算对所有历史日期的t时刻的标么值：
[0202]
l
i,t
＝p
i,t
÷
p
i,average
[0203]
其中，i＝1...n，t＝1...t。
[0204]
将历史日期中第i天第t时刻的值作为有名值，第i天的日平均负荷值作为基值，通过上式来计算对应的标么值l
i,t
.
[0205]
本发明仅作举例，不作限定。
[0206]
s5027、根据所有历史日期的t时刻的标么值，计算待测日所有时刻的负荷预测值p
m，t
：
[0207]
p
m,t
＝l
m,t
×
p
m,average
。
[0208]
其中,t＝1...t。
[0209]
计算历史日期中第t时刻的标么值的平均值l
m，t
，待预测日的日平均负荷值p
m,average
作为基值，通过l
i,t
＝p
i,t
÷
p
i,average
来计算第t时刻对应的负荷预测值p
m，t
。
[0210]
本发明仅作举例，不作限定。
[0211]
s5028、将待预测日的所有t时刻的负荷预测值p
m，t
合并，作为待预测日的负荷预测曲线。
[0212]
将各个时刻点得到的负荷预测值串联起来，以得到表示该待预测日对应的负荷曲线。
[0213]
s503、确定子线与母线的隶属关系，其中，母线用于汇集、分配及传输电能，子线为
母线的分支线，用于传输电能。
[0214]
s504、根据子线与母线的隶属关系，对母线的负荷进行校核。
[0215]
本实施例，通过假设日平均负荷满足一元线性回归模型，自变量为每一天的下标，因变量为日平均负荷，来求出待预测日的日平均负荷，并通过将日平均负荷作为基值，来进一步预测该待预测日中各个时刻点的负荷预测值，得到待预测日的负荷预测曲线，使得负荷预测更加线性化、规律化。
[0216]
实施例六
[0217]
图2为本发明实施例六提供的一种电网负荷预测装置的结构示意图。如图2所示，该装置包括：
[0218]
虚拟区间确定模块601，用于获取预测的时间节点，确定所要预测的虚拟区间；
[0219]
负荷预测曲线生成模块602，用于利用预测修正模型对所述虚拟区间进行负荷预测，得到负荷预测曲线；
[0220]
隶属关系确定模块603，用于确定子线与母线的隶属关系，其中，所述母线用于汇集、分配及传输电能，所述子线为所述母线的分支线，用于传输电能；
[0221]
校核模块604，用于根据所述子线与母线的隶属关系，对所述母线的负荷进行校核。
[0222]
可选的，负荷预测曲线生成模块602包括：
[0223]
历史样本获取子模块，用于获取历史样本集合，其中，所述历史样本集合是由基准日至基准日的前n个历史日期的每日负荷向量cd组合而成的，cd＝[p
d,1
,p
d,2
,
…
,p
d,t
]，d是指基准日前的第d天，t是指当天的第t个采样点，p
dt
是指第d日第t时刻的负荷，所述基准日为作为参考的所述历史日期；
[0224]
历史样本排序子模块，用于将所述历史样本集合按照预设的规则进行排序，得到相关负荷集合，其中，所述相关负荷集合是由n个相关负荷曲线di＝[p
i,1
,p
i,2
,
…
,p
i,t
]组合而成，所述相关负荷集合中i的数值越小的对应集合与待预测日相关程度越高；
[0225]
特征参数计算子模块，用于分别计算第i天的特征参数，其中所述特征参数为日平均负荷：
[0226]
p
i,ave
＝average(p
i,1
,p
i,2
,
…
,p
i,t
)；
[0227]
负荷曲线预测子模块，用于根据所述相关负荷集合及所述特征参数，利用所述预测修正模型对所述虚拟区间进行负荷预测，得到负荷曲线。
[0228]
可选的，历史样本排序子模块包括：
[0229]
历史日期划分单元，用于将所述n个历史日期按照预设的规则分为m个周期，其中，每个周期有n/m天；
[0230]
相关负荷集合第一生成单元，用于将所述m个周期中与待测日为同类型日的所述每日负荷向量作为所述相关负荷集合的前m个负荷向量di，其中，i＝1...m，所述同类型日为与所述待测日处在周期内同一位置的日期；
[0231]
相关负荷集合第二生成单元，用于将第m个周期中不同类型日对应的n-m个所述每日负荷向量d依次编上序号作为所述相关负荷集合的第i个所述负荷向量di，其中，i＝(m 1)...n，所述不同类型日为周期内除了所述同类型日以外的其它所述历史日期。
[0232]
可选的，负荷预测曲线生成模块602包括：
[0233]
平滑处理第一子模块，用于对第一周期的不同类型日的t时刻通过下述公式作平滑处理：
[0234]a1,t
＝βp
(m 1),t
β(1-β)p
(m 2),t

…
β(1-β)
n/m-1
p
(m n/m),t
[0235]
平滑处理第二子模块，用于对第二周期的不同类型日的t时刻通过下述公式作平滑处理：
[0236]a2,t
＝βp
(m n/m 1),t
β(1-β)p
(m n/m 2),t

…
β(1-β)
n/m-1
p
(m 2
×
n/m),t
[0237]
其中，所述β为预设的逐点负荷平滑系数；
[0238]
负荷预测值第一计算子模块，用于通过下述公式计算所述待预测日的所述t时刻的负荷预测值
[0239][0240]
负荷预测曲线第一生成子模块，用于将所述待预测日的所有所述t时刻的所述负荷预测值合并，作为所述待预测日的所述负荷预测曲线。
[0241]
可选的，负荷预测曲线生成模块602包括：
[0242]
基值第一获取子模块，用于取所述日平均负荷p
i,ave
作为标么曲线的基值p
i,0
；
[0243]
第一标么值计算子模块，用于根据所述标么曲线的基值p
i,0
及所述相关负荷集合，通过下述公式计算第i天第t时刻的第一标么值：
[0244]
l
i,t
＝p
i,t
/p
i,0
[0245]
其中，t＝1...t，i＝1...n；
[0246]
待预测日第一标么值计算子模块，用于通过下述公式计算所述待预测日的所述t时刻的第一标么值：
[0247][0248]
其中，α为标么曲线预测的平滑系数；
[0249]
第一标么曲线生成子模块，用于将所述待预测日的所有所述t时刻的所述第一标么值合并，作为所述待预测日的所述第一标么曲线
[0250]
基值平滑值计算子模块，用于通过下述公式计算第j周期的不同类型日的所述基值的平滑值：
[0251]aj,0
＝βp
(m (j-1)
×
n/m 1),0
β(1-β)p
(m (j-1)
×
n/m 2),0

…
β(1-β)
n/m-1
p
(m (j-1)
×
n/m),0
[0252]
其中，j为1～m之间的值；
[0253]
待预测日基值第一计算子模块，用于通过下述公式任取一等式计算所述待预测日的基值
[0254]
[0255]
负荷预测值第二计算子模块，用于根据所述待预测日的基值和所述第一标么曲线通过下述公式计算所述t时刻的负荷预测值
[0256][0257]
负荷预测曲线第二生成子模块，用于将所述待预测日的所有所述t时刻的所述负荷预测值合并，作为所述待预测日的所述负荷预测曲线。
[0258]
可选的，负荷预测曲线生成模块602包括：
[0259]
延伸负荷曲线生成子模块，用于将所述相关负荷集合中的所述相关负荷曲线向前一日取后k个点、向后一日前q个点，构成延伸负荷曲线fi,其中，所述延伸负荷曲线共有g＝k t q个点，所述延伸负荷曲线为：
[0260]fi
＝[p
i-1,t-(k-1)
,
…
,p
i-1,t-1
,p
i-1,t
,p
i1
,p
i2
,
…
,p
it
,p
i 1,1
,p
i 1,2
,
…
,p
i 1,q
]；
[0261]
第二标么值计算子模块，用于采用l
i,t
＝p
i,t
/p
i,0
，其中，t＝1...t，i＝1...n计算从基准日至待预测日之间r个所述历史日期的g个时刻的第二标么值
[0262]
第二标么曲线生成子模块，用于分别对r个所述历史日期的所有时刻的所述第二标么值合并，作为各历史日期的第二标么曲线其中，i＝1...r，第1天为基准日，第r天为待预测日；
[0263]
负荷预测延伸曲线设置子模块，用于设负荷预测延伸曲线为其中，为第i天的第t时刻的负荷预测值；
[0264]
第一基值计算子模块，用于令i为1,将第i-1天的所述负荷向量中的后k个负荷值和第i天的所述负荷向量中的负荷值作为第i天所述负荷预测延伸曲线的前k t个所述负荷预测值，通过下述公式计算所述第i天对应的所述负荷预测延伸曲线的前k t个所述负荷预测值的第一基值
[0265][0266]
其中t＝1...(k t)；
[0267]
负荷预测值第三计算子模块，用于根据所述第一基值，通过下述公式计算所述第i天的所述负荷预测延伸曲线的后g个所述负荷预测值：
[0268][0269]
其中t＝(k t 1)...g；
[0270]
基准日负荷预测延伸曲线生成子模块，用于将步骤5～步骤6得到的所有所述负荷预测值合并，得到第1天的所述负荷预测延伸曲线即得到所述基准日的所述负荷预测延伸曲线；
[0271]
第二基值计算子模块，用于令i为2，计算第i天的所述负荷预测延伸曲线的前k q个所述负荷预测值的第二基值：
[0272][0273]
负荷预测值第四计算子模块，用于根据所述第二基值，通过下述公式计算所述第i天的所述负荷预测延伸曲线的后t个所述负荷预测值：
[0274][0275]
其中t＝(k q 1)...g；
[0276]
负荷预测延伸曲线生成子模块，用于将步骤7～步骤8得到的所有所述负荷预测值合并，得到第i天的所述负荷预测延伸曲线
[0277]
重复执行子模块，用于将i累加1，重复步骤8～步骤9，判断i是否等于r；
[0278]
负荷预测曲线第三生成子模块，用于若i等于r，则在第r天对应的所述负荷预测延伸曲线中，从第k 1个负荷值开始向后选取t个所述负荷预测值，合并作为所述待预测日的所述负荷预测曲线。
[0279]
可选的，负荷预测曲线生成模块602包括：
[0280]
预测回归模型确定子模块，用于根据n个所述历史日期的所述日平均负荷，利用一元线性回归模型p
i,average
＝ai b，确定第一回归系数a和第二回归系数b，进而确定预测回归模型；
[0281]
待预测日基值第二计算子模块，用于根据所述预测回归模型计算待测日的日平均负荷p
m,average
，作为所述待测日的基值；
[0282]
历史日期标么值计算子模块，用于通过下述公式对所有所述历史日期的所述t时刻的标么值：
[0283]
l
i,t
＝p
i,t
÷
p
i,average
[0284]
其中，i＝1...n，t＝1...t；
[0285]
负荷预测值第五计算子模块，用于根据所有所述历史日期的所述t时刻的标么值，计算所述待测日所有时刻的所述负荷预测值p
m，t
：
[0286]
p
m,t
＝l
m,t
×
p
m,average
；
[0287]
其中,t＝1...t；
[0288]
负荷预测曲线第四生成子模块，用于将所述待预测日的所有所述t时刻的所述负荷预测值p
m，t
合并，作为所述待预测日的所述负荷预测曲线。
[0289]
可选的，校核模块604，包括：
[0290]
累加预测曲线生成子模块，用于将隶属于同一所述母线的子线对应的负荷预测曲线累加，得到累加预测曲线；
[0291]
校核子模块，用于根据所述累加预测曲线对所述母线的负荷预测曲线进行校核。
[0292]
本发明实施例所提供的电网负荷预测装置可执行本发明任意实施例所提供的电网负荷预测方法，具备执行方法相应的功能模块和有益效果。
[0293]
实施例七
[0294]
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0295]
如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0296]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0297]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如电网负荷预测方法。
[0298]
在一些实施例中，电网负荷预测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的电网负荷预测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行电网负荷预测方法。
[0299]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0300]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被
实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0301]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0302]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0303]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0304]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0305]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0306]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。