系统日前短期负荷预测方法、装置、设备和可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723717A(43)申请公布日2021.11.30(21)申请号202111291156.6(22)申请日2021.11.03(71)申请人北京清大科越股份有限公司地址100020北京市朝阳区望京东园四区11号楼18层1801-1(72)发明人张笑晗步允千赵梓州(74)专利代理机构北京细软智谷知识产权代理有限责任公司11471代理人涂凤琴(51)Int.Cl.G06Q10/04(2012.01)G06N3/08(2006.01)G06K9/62(2006.01)G06F30/27(2020.01)G06Q50/06(2012.01)权利要求书2页说明书8页附图1页(54)发明名称系统日前短期负荷预测方法、装置、设备和可读存储介质(57)摘要本发明涉及一种系统日前短期负荷预测方法、装置、设备和可读存储介质，该方法包括：采集历史数据，并对历史数据进行预处理；利用预处理后的历史数据构建训练样本集；利用训练样本集对预先建立的XGBoost多目标回归模型进行训练，得到训练后的XGBoost多目标回归模型；生成预测样本特征；将预测样本特征输入至训练后的XGBoost多目标回归模型，得到预测的短期负荷。本申请提供的技术方案，不仅提高了模型训练、部署和预测的效率，还提高了短期负荷预测的精准度。CN113723717ACN113723717A权利要求书1/2页1.一种系统日前短期负荷预测方法，其特征在于，所述方法包括：采集历史数据，并对所述历史数据进行预处理；利用预处理后的历史数据构建训练样本集；利用所述训练样本集对预先建立的XGBoost多目标回归模型进行训练，得到训练后的XGBoost多目标回归模型；生成预测样本特征；将所述预测样本特征输入至所述训练后的XGBoost多目标回归模型，得到预测的短期负荷。2.根据权利要求1所述的方法，其特征在于，所述历史数据，包括：历史的短期负荷值、历史的气象值和历史的负荷变化量；所述历史的气象值中的气象指标包括：温度、湿度、降雨量、风力和云量。3.根据权利要求1所述的方法，其特征在于，所述对所述历史数据进行预处理，包括：利用插值法填补所述历史数据中的缺失值，并对填补缺失值后的所述历史数据进行归一化处理，得到所述预处理后的历史数据。4.根据权利要求1所述的方法，其特征在于，所述利用预处理后的历史数据构建训练样本集，包括：将所述预处理后的历史数据的时刻划分为96个时刻点，利用该96个时刻点的预处理后的历史数据构建训练样本集。5.根据权利要求1所述的方法，其特征在于，所述利用所述训练样本集对预先建立的XGBoost多目标回归模型进行训练，得到训练后的XGBoost多目标回归模型，包括：将所述训练样本集分为训练集和验证集；利用所述训练集对所述预先建立的XGBoost多目标回归模型进行训练，直至当利用验证集对所述预先建立的XGBoost多目标回归模型进行验证时，得到的预测的历史负荷值与实际的历史负荷值的误差小于第一阈值时，训练结束，得到所述训练后的XGBoost多目标回归模型。6.根据权利要求1所述的方法，其特征在于，所述预测样本特征，包括：待预测时刻前kk~‑M个时刻点的负荷值、待预测时刻前k~k‑M个时刻点的气象值、待预测时刻前k~k‑M个时刻点的负荷变化量、月份特征、日期特征、日期类型特征、待预测开始时刻所在小时特征和待预测开始时刻分钟特征；其中，k为待预测的时刻点；M为一个可调的超参数，且M是正整数值；待预测时刻前k‑M个时刻点的负荷变化量，以此类推。7.根据权利要求1所述的方法，其特征在于，所述将所述预测样本特征输入至所述训练后的XGBoost多目标回归模型，得到预测的短期负荷，包括：按下式确定所述训练后的XGBoost多目标回归模型的目标函数：2CN113723717A权利要求书2/2页上式中，，n为预测样本特征的总数量，，m为待预测的时刻点的总数量；为第i个预测样本特征的特征向量，为第i个预测样本特征的第k个待预测的时刻点的实际负荷值，为第t‑1轮迭代时对第i个预测样本特征第k个待预测的时刻点的预测负荷值，为预测第k个待预测的时刻点的负荷值时第t轮迭代中增加的新模型，为预测第k个待预测的时刻点的负荷值时第t轮迭代增加的新模型的复杂度，为损失函数；将所述预测样本特征作为自变量输入至所述训练后的XGBoost多目标回归模型的目标函数，当小于等于第二阈值或迭代轮数t等于第三阈值时，输出预测的所有时刻点的负荷，所述预测的所有时刻点的负荷为预测的短期负荷。8.一种系统日前短期负荷预测装置，其特征在于，所述装置包括：预处理模块，用于采集历史数据，并对所述历史数据进行预处理；构建模块，用于利用预处理后的历史数据构建训练样本集；训练模