一种电力系统热负荷预测的方法和装置.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CN109214948A(43)申请公布日2019.01.15(21)申请号201811114080.8(22)申请日2018.09.25(71)申请人新智数字科技有限公司地址065001河北省廊坊市经济技术开发区华祥路0388丘一幢一楼105室(72)发明人黄信刘胜伟(74)专利代理机构北京中济纬天专利代理有限公司11429代理人杨乐(51)Int.Cl.G06Q50/06(2012.01)G06Q10/04(2012.01)权利要求书2页说明书8页附图2页(54)发明名称一种电力系统热负荷预测的方法和装置(57)摘要本发明公开了一种电力系统热负荷预测的方法和装置，该方法包括：S1：对电力系统热负荷的历史日数据进行预处理；S2：根据预处理后的历史每日数据获得数据日基准线；S3：将获得的数据日基准线划分为若干个时间段；S4：筛选历史日数据，并分别在划分的每个时间段内计算筛选后的历史日数据与数据日基准线的趋势相似值；S5：选取大于预设基准值的趋势相似值对应的历史日数据，形成相似序列矩阵；S6：将相似序列矩阵输入建构的极限学习机ELM进行训练，获得预测模型，并进行电力系统热负荷的预测。本发明采用基于趋势分段的时序表示方法，有效保留了热负荷时间序列中重要的变化趋势信息，能更加精确地预测热负荷的变化趋势。CN109214948ACN109214948A权利要求书1/2页1.一种电力系统热负荷预测的方法，其特征在于，该方法包括：S1：对电力系统热负荷的历史日数据进行预处理；S2：根据预处理后的历史每日数据获得数据日基准线；S3：将获得的数据日基准线划分为若干个时间段；S4：筛选历史日数据，并分别在划分的每个时间段内计算筛选后的历史日数据与数据日基准线的趋势相似值；S5：选取大于预设基准值的趋势相似值对应的历史日数据，形成相似序列矩阵；S6：将相似序列矩阵输入建构的极限学习机ELM进行训练，获得预测模型，并进行电力系统热负荷的预测。2.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，步骤S1的具体过程包括：对电力系统热负荷的历史日数据进行去噪、填充以及归一化处理。3.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，步骤S2的具体过程包括：将距离待预测日最近的预设天数的数据均值作为数据日基准线。4.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，步骤S3的具体过程包括：根据数据日基准线中的极值点，将数据日基准线划分为若干个时间段。5.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，步骤S3的具体过程包括：根据数据日基准线中同时与相邻两点的斜率之差大于预设阈值的点以及极值点，将数据日基准线划分为若干个时间段。6.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，步骤S4的具体过程包括：根据环境因素计算历史日与待预测日的相似值，选取大于预设阈值的相似值对应的相似历史日；分别在划分的每个时间段内计算相似历史日数据与数据日基准线的趋势相似值。7.一种电力系统热负荷预测的装置，其特征在于，该装置包括：数据处理模块、确定基线模块、时间分段模块、相似计算模块、样本筛选模块和训练模型模块，其中，所述数据处理模块，用于对电力系统热负荷的历史日数据进行预处理；所述确定基线模块，用于根据所述数据处理模块预处理后的历史每日数据获得数据日基准线；所述时间分段模块，用于将所述确定基线模块获得的数据日基准线划分为若干个时间段；所述相似计算模块，用于筛选历史日数据，并分别在划分的每个时间段内计算筛选后的历史日数据与数据日基准线的趋势相似值；所述样本筛选模块，用于选取大于预设基准值的趋势相似值对应的历史日数据，形成相似序列矩阵；所述训练模型模块，用于将所述样本筛选模块相似序列矩阵输入建构的极限学习机2CN109214948A权利要求书2/2页ELM进行训练，获得预测模型，并进行电力系统热负荷的预测。8.根据权利要求1所述的电力系统热负荷预测的装置，其特征在于，所述数据处理模块具体用于对电力系统热负荷的历史日数据进行去噪、填充以及归一化处理；和/或，所述确定基线模块具体用于将距离待预测日最近的预设天数的数据均值作为数据日基准线。9.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，所述时间分段模块具体用于根据数据日基准线中的极值点，将数据日基准线划分为若干个时间段；或，所述时间分段模块具体用于根据数据日基准线中同时与相邻两点的斜率之差大于预设阈值的点以及极值点，将数据日基准线划分为若干个时间段。10.根据权利要求1所述的电力系统热负荷预测的方法，其特征在于，所述相似计算模块具体用于根据环境因素计算历史日与待预测日的相似值，选取大于预设阈值的相似值对