申请/专利权人：杭州似然数据有限公司;国网浙江省电力有限公司经济技术研究院

申请日：2023-07-12

公开（公告）日：2024-03-26

公开（公告）号：CN117057456B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;H02J3/00;G06F18/27;G06F18/214;G06F18/24

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明公开了基于分段样条回归‑WaveNet两阶段电力负荷预测方法及装置，包括以下步骤：得到训练集和测试集；得到修正后的分段样条线性回归模型；得到所述训练集用滤波后的残差序列；利用所述训练集用滤波后的残差序列对WaveNet电力负荷残差预测模型进行训练，得到训练结束后的WaveNet电力负荷残差预测模型；获得测试合格的分段样条回归‑WaveNet两阶段电力负荷预测模型；将待预测的电力负荷数据输入所述分段样条回归‑WaveNet两阶段电力负荷预测模型进行预测，得到对应所述待预测的电力负荷数据的电力负荷预测值。本发明对于中短期电力负荷预测的准确性高，可解释性与鲁棒性好，灵活性较好。

主权项：1.一种基于分段样条回归-WaveNet两阶段电力负荷预测方法，其特征在于，包括以下步骤：获取电力负荷的历史数据，依据所述历史数据建立数据库，根据所述数据库中的数据进行分类，得到训练集和测试集；依据所述训练集中的周期构建分段样条线性回归模型；对所述分段样条线性回归模型进行修正，得到修正后的分段样条线性回归模型；其中，对所述分段样条线性回归模型进行修正，得到修正后的分段样条线性回归模型包括：将所述周期分为法定假期、调休、月份、星期作为因子引入所述分段样条线性回归模型；使用断点对所述分段样条线性回归模型中的周期进行修正，得到分段线性回归方程；其中，对分段样条线性回归模型中的周期进行修正包括：获取所述周期内的断点及断点的数量；将所述断点及所述断点的数量作为所述分段样条线性回归模型输入的部分特征，并加入惩罚因子进行拟合；使用样条对所述分段样条线性回归模型中的法定假期进行修正，得到样条线性回归方程；根据所述分段线性回归方程和所述样条线性回归方程，得到修正后的分段样条线性回归模型；根据所述修正后的分段样条线性回归模型对残差优化进行估参，得到所述训练集用滤波后的残差序列；利用所述训练集用滤波后的残差序列对WaveNet电力负荷残差预测模型进行训练，得到训练结束后的WaveNet电力负荷残差预测模型；其中，利用所述训练集用滤波后的残差序列对WaveNet电力负荷残差预测模型进行训练，得到训练结束后的WaveNet电力负荷残差预测模型包括：采用因果卷积网络作为基础架构，构建得到所述WaveNet电力负荷残差预测模型；将所述训练集用滤波后的残差序列作为所述WaveNet电力负荷残差预测模型的输入，损失函数采用MSE，优化器采用Adam对所述WaveNet电力负荷残差预测模型进行训练，得到训练结束后的WaveNet电力负荷残差预测模型；所述WaveNet电力负荷残差预测模型训练的过程为：将所述训练集用滤波后的残差序列作为所述WaveNet电力负荷残差预测模型的输入，经过五层DilatedCausalCNN，进入全连接层，以预设比率进行Dropout处理，经过所述Dropout处理后的特征值进入Lamda层将提取的特征映射到预测时间段内，得到残差预测值；利用所述测试集对所述修正后的分段样条线性回归模型和所述训练结束后的WaveNet电力负荷残差预测模型进行测试，直至获得测试合格的分段样条回归-WaveNet两阶段电力负荷预测模型；将待预测的电力负荷数据输入所述分段样条回归-WaveNet两阶段电力负荷预测模型进行预测，得到对应所述待预测的电力负荷数据的电力负荷预测值，其中，所述电力负荷预测值由所述分段样条回归-WaveNet两阶段电力负荷预测模型中的分段样条线性回归模型输出的初始预测值，以及，由所述分段样条回归-WaveNet两阶段电力负荷预测模型中的WaveNet电力负荷残差预测模型输出的残差预测值构成。

全文数据：

权利要求：

百度查询： 杭州似然数据有限公司;国网浙江省电力有限公司经济技术研究院 基于分段样条回归-WaveNet两阶段电力负荷预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD