一种基于神经网络的负荷预测方法与流程

本发明涉及电力系统负荷预测，更具体地说，本发明涉及一种基于神经网络的负荷预测方法。

背景技术：

1、电力系统的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户，为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能， 然而，现有的电力系统负荷预测方法可能受限于模型的线性假设和对外部影响因素的简化处理，导致对电力系统负荷预测的精度不高，并且往往只能进行某一时间尺度的预测，难以满足对电力系统负荷的短期和长期预测需求，基于此，本发明设计了一种基于神经网络的负荷预测方法，以此，解决以上问题。

技术实现思路

1、为了克服现有技术的不足，本发明提供了一种基于神经网络的负荷预测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供一种基于神经网络的负荷预测方法，包括以下步骤：

3、sp01：数据采集和预处理，收集历史负荷数据和外部影响因素数据并进行预处理；

4、sp02：构建用于电力系统负荷预测的神经网络模型；

5、sp03：集成外部因素，结合外部影响因素数据，将其作为额外的输入特征，加入到用于电力系统负荷预测的神经网络模型中；

6、sp04：训练和优化用于电力系统负荷预测的神经网络模型；

7、sp05：输出预测结果，利用训练好的用于电力系统负荷预测的神经网络模型，以对电力系统负荷进行短期和长期预测。

8、作为本发明的一种优选技术方案，所述数据采集和预处理流程包括以下步骤：

9、sp11：利用电力系统监测设备与传感器实时采集历史负荷数据和外部影响因素数据；

10、sp12：对采集到的数据进行缺失值处理；

11、sp13：对经缺失值处理后的数据进行异常值检测。

12、作为本发明的一种优选技术方案，所述外部影响因素数据具体为温度、湿度、天气状况、季节以及节假日影响因素数据。

13、作为本发明的一种优选技术方案，所述对采集到的数据进行缺失值处理具体为将数据的缺失部分进行时间填补及空值替代，把缺失部分转换为空值区，数据拆分处理空值区连续缺失值部分，根据拆分后的数据以对缺失值进行估算，评估处理估算值以判定其是否满足回填条件，将满足回填条件的估算值进行回填。

14、作为本发明的一种优选技术方案，所述对经缺失值处理后的数据进行异常值检测具体为根据筛选阈值进行筛选数据，将经缺失值处理后的数据筛选出所需数据，根据检测条件识别并剔除所需数据中的异常值数据，以得到正常值数据。

15、作为本发明的一种优选技术方案，所述构建用于电力系统负荷预测的神经网络模型流程包括以下步骤：

16、sp21：设计用于电力系统负荷预测的神经网络模型的神经网络结构和参数，所述参数包括神经元的数量、层数以及激活函数；

17、sp22：根据数据特征和预测需求选择适当的神经网络结构，以构建用于电力系统负荷预测的神经网络模型。

18、作为本发明的一种优选技术方案，所述神经网络结构包括mlp多层感知机、rnn递归神经网络以及lstm长短期记忆网络。

19、作为本发明的一种优选技术方案，所述集成外部因素流程包括以下步骤：

20、sp31：将外部影响因素数据与负荷数据进行整合，构建完整的输入特征向量；

21、sp32：设计输入层和输入特征表示模型，将外部因素数据与负荷数据有效地结合并输入用于电力系统负荷预测的神经网络模型中。

22、作为本发明的一种优选技术方案，所述训练和优化用于电力系统负荷预测的神经网络模型流程包括以下步骤：

23、sp41：利用历史负荷数据和外部影响因素数据，通过训练算法对用于电力系统负荷预测的神经网络模型进行训练和优化；

24、sp42：采用适当的损失函数和优化算法，调节模型参数，使其能够更好地拟合历史数据。

25、作为本发明的一种优选技术方案，所述输出预测结果流程包括以下步骤：

26、sp51：利用训练好的用于电力系统负荷预测的神经网络模型输出预测结果；

27、sp52：根据预测结果生成对应负荷预测曲线与时间序列数据，将预测结果以时间序列进行表征，根据表征结果对各节点进行排序；

28、sp53：按照排序次序以小时、日、周、月以及年期限类别将各节点对应的时间序列进行分类拼接，得到小时、日、周、月以及年期限对应的电力系统负荷预测信息，从而使得电力系统负荷得到不同时间尺度的预测，以对电力系统负荷进行短期和长期预测。

29、与现有技术相比，本发明的有益效果如下：

30、本发明通过采用神经网络算法进行负荷预测，能够更好地捕捉负荷数据的非线性和时变特性，从而提高对电力系统负荷预测的准确性和精度，神经网络模型能够灵活地适应不同类型的负荷数据和外部影响因素，具有较强的泛化能力，在面对复杂多变的电力系统负荷时，能够更好地适应和处理，提高了预测的适应性和鲁棒性。

31、本发明可以使得电力系统负荷得到不同时间尺度的预测，便于满足对电力系统负荷进行短期和长期预测需求，能够更全面地考虑到不同时间尺度下负荷的变化规律，提高了预测的全面性和可操作性。

1.一种基于神经网络的负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的负荷预测方法，其特征在于，所述构建用于电力系统负荷预测的神经网络模型流程包括以下步骤：

3.根据权利要求2所述的基于神经网络的负荷预测方法，其特征在于，所述神经网络结构包括mlp多层感知机、rnn递归神经网络以及lstm长短期记忆网络。

4.根据权利要求2所述的基于神经网络的负荷预测方法，其特征在于，所述集成外部因素流程包括以下步骤：

5.根据权利要求4所述的基于神经网络的负荷预测方法，其特征在于，所述训练和优化用于电力系统负荷预测的神经网络模型流程包括以下步骤：

6.根据权利要求5所述的基于神经网络的负荷预测方法，其特征在于，所述输出预测结果流程包括以下步骤：