一种基于大数据的电力负荷预测系统及方法与流程

1.本发明涉及电力负荷预测技术领域，具体为一种基于大数据的电力负荷预测系统及方法。


背景技术：

2.电力负荷预测是电力运行的关键一环，为了保证供电稳定，同时减少浪费，进行负荷分析，可以有效指导电力调度与电力生产，但是目前的电力负荷预测系统在使用中还存在以下问题：
3.目前的电力负荷预测系统分析负方式单一，缺少自动优化，导致分析偏差较大，影响电力调度做出正确判断。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于大数据的电力负荷预测系统及方法，具备自我优化，偏差小等优点，解决了背景技术中提出的问题。
6.(二)技术方案
7.为实现上述自我优化的目的，本发明提供如下技术方案：一种基于大数据的电力负荷预测系统，其特征在于，包括数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库；
8.所述数据采集模块的输出端与信息整合模块的输入端数据连接，所述信息整合模块的输出端与数据模型的输入端数据连接，所述数据模型的的输入端与算法库信息连接，所述数据模型的的输出端与关联值分析模块的输入端数据连接，所述真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，所述关联值分析模块的输出端与信息整合模块的输入端数据连接。
9.优选的，所述数据采集模块包括实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元。
10.优选的，所述数据模型包括预测分析单元与训练单元。
11.本发明要解决的另一技术问题是提供一种基于大数据的电力负荷预测方法，包括以下步骤：
12.1)、数据采集模块通过采集实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据；
13.2)、信息整合模块根据信息关联度整合提取有效数据；
14.3)、数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果；
15.4)、真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法；
16.5)、数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据；
17.6)、信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度。
18.优选的，所述算法库种预设若干负荷分析算法，所述步骤4)中分别采用不同算法得出不同的分析值，所述步骤4)中训练单元将若干算法得出的分析值与实际负荷值比对，获得个算法的偏差值，并根据偏差值优化各算法，并将偏差值输入模型，实现模型优化。
19.优选的，所述步骤1)中数据采集模块通过实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集与电力相关的新闻、实时用电数据、天气气温数据以及电网负荷数据。
20.优选的，所述信息整合模块根据关联值分析模提供的关联值分析结果优化信息整合能力，逐步提高所整合大数据信息对电网负荷影响的关联度。
21.优选的，所述数据模型由训练单元带入历史数据进行分析比对，完成搭建，所述数据模型通过训练单元的不断训练进行优化。
22.优选的，所述算法库每个预测分析回合删除一条分析偏差最大的算法，所述算法库每个预测分析回合补入一个新算法。
23.(三)有益效果
24.与现有技术相比，本发明提供了一种基于大数据的电力负荷预测系统及方法，具备以下有益效果：
25.该基于大数据的电力负荷预测系统及方法，通过设置了数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库。且数据采集模块的输出端与信息整合模块的输入端数据连接，信息整合模块的输出端与数据模型的输入端数据连接，数据模型的的输入端与算法库信息连接，数据模型的的输出端与关联值分析模块的输入端数据连接，真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，关联值分析模块的输出端与信息整合模块的输入端数据连接，能够使数据采集模块通过采集实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据，数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果，真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法，数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据，信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度，从而通过数据的分析可以逐步提高数据模型的分析可靠性，从而降低预测偏差，同时通过数据关联度的不断提高，可以进一步提高高数据模型预测的可靠性与准确性。
附图说明
26.图1为本发明的系统结构示意图；
27.图2为本发明的方法流程图。
具体实施方式
28.下面将结合本发明的实施例，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，都属于本发明保护的范围。
29.实施例一：
30.一种基于大数据的电力负荷预测系统，包括数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库；
31.数据采集模块的输出端与信息整合模块的输入端数据连接，信息整合模块的输出端与数据模型的输入端数据连接，数据模型的的输入端与算法库信息连接，数据模型的的输出端与关联值分析模块的输入端数据连接，真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，关联值分析模块的输出端与信息整合模块的输入端数据连接。
32.数据采集模块包括实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元。
33.数据模型包括预测分析单元与训练单元。
34.本发明要解决的另一技术问题是提供一种基于大数据的电力负荷预测方法，包括以下步骤：
35.1)、数据采集模块通过采集实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据；
36.2)、信息整合模块根据信息关联度整合提取有效数据；
37.3)、数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果；
38.4)、真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法；
39.5)、数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据；
40.6)、信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度。
41.算法库种预设若干负荷分析算法，步骤4)中分别采用不同算法得出不同的分析值，步骤4)中训练单元将若干算法得出的分析值与实际负荷值比对，获得个算法的偏差值，并根据偏差值优化各算法，并将偏差值输入模型，实现模型优化。
42.步骤1)中数据采集模块通过实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集与电力相关的新闻、实时用电数据、天气气温数据以及电网负荷数据。
43.信息整合模块根据关联值分析模提供的关联值分析结果优化信息整合能力，逐步
提高所整合大数据信息对电网负荷影响的关联度。
44.数据模型由训练单元带入历史数据进行分析比对，完成搭建，数据模型通过训练单元的不断训练进行优化。
45.算法库每个预测分析回合删除一条分析偏差最大的算法，算法库每个预测分析回合补入一个新算法。
46.该实施例的优点是通过数据的分析可以逐步提高数据模型的分析可靠性，从而降低预测偏差，同时通过数据关联度的不断提高，可以进一步提高高数据模型预测的可靠性与准确性，而且通过采集实时新闻信息，可以引入新闻参考，提政策对用电负荷影响的判断能力。
47.实施例二：
48.一种基于大数据的电力负荷预测系统，包括数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库；
49.数据采集模块的输出端与信息整合模块的输入端数据连接，信息整合模块的输出端与数据模型的输入端数据连接，数据模型的的输入端与算法库信息连接，数据模型的的输出端与关联值分析模块的输入端数据连接，真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，关联值分析模块的输出端与信息整合模块的输入端数据连接。
50.数据采集模块包括电价数据采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元。
51.数据模型包括预测分析单元与训练单元。
52.本发明要解决的另一技术问题是提供一种基于大数据的电力负荷预测方法，包括以下步骤：
53.1)、数据采集模块通过采集电价数据采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据；
54.2)、信息整合模块根据信息关联度整合提取有效数据；
55.3)、数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果；
56.4)、真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法；
57.5)、数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据；
58.6)、信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度。
59.算法库种预设若干负荷分析算法，步骤4)中分别采用不同算法得出不同的分析值，步骤4)中训练单元将若干算法得出的分析值与实际负荷值比对，获得个算法的偏差值，并根据偏差值优化各算法，并将偏差值输入模型，实现模型优化。
60.步骤1)中数据采集模块通过电价数据采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集与电力相关的新闻、实时用电数据、天气气温数据以及
电网负荷数据。
61.信息整合模块根据关联值分析模提供的关联值分析结果优化信息整合能力，逐步提高所整合大数据信息对电网负荷影响的关联度。
62.数据模型由训练单元带入历史数据进行分析比对，完成搭建，数据模型通过训练单元的不断训练进行优化。
63.算法库每个预测分析回合删除一条分析偏差最大的算法，算法库每个预测分析回合补入一个新算法。
64.该实施例的优点是，采集电价数据，可以分析出电价对用电负荷影响的关联度，通过分析，可以对用电负荷以及电价调整提供参考，提高实用性。
65.本发明的有益效果是：通过设置了数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库。且数据采集模块的输出端与信息整合模块的输入端数据连接，信息整合模块的输出端与数据模型的输入端数据连接，数据模型的的输入端与算法库信息连接，数据模型的的输出端与关联值分析模块的输入端数据连接，真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，关联值分析模块的输出端与信息整合模块的输入端数据连接，能够使数据采集模块通过采集实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据，数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果，真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法，数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据，信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度，从而通过数据的分析可以逐步提高数据模型的分析可靠性，从而降低预测偏差，同时通过数据关联度的不断提高，可以进一步提高高数据模型预测的可靠性与准确性。
66.典型案例：一种基于大数据的电力负荷预测系统，包括数据模型、数据采集模块、信息整合模块、算法库、关联值分析模块以及真实负荷数据库；
67.数据采集模块的输出端与信息整合模块的输入端数据连接，信息整合模块的输出端与数据模型的输入端数据连接，数据模型的的输入端与算法库信息连接，数据模型的的输出端与关联值分析模块的输入端数据连接，真实负荷数据库的输出端分别与数据模型和关联值分析模块的输入端数据连接，关联值分析模块的输出端与信息整合模块的输入端数据连接。
68.数据采集模块包括实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元。
69.数据模型包括预测分析单元与训练单元。
70.本发明要解决的另一技术问题是提供一种基于大数据的电力负荷预测方法，包括以下步骤：
71.1)、数据采集模块通过采集实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集大数据；
72.2)、信息整合模块根据信息关联度整合提取有效数据；
73.3)、数据模型提取信息整合模块所整合数据，并将数据带入模型，预测分析单元调取若干算法，并带入数据，得出结果；
74.4)、真实负荷数据库将真实负荷数据输入数据模型，真实数据与预测模型进行比对，通过训练单元分析偏差，对数据模型进行训练，优化模型与算法；
75.5)、数据模型向关联值分析模块输出最接近真实数据的分析数据，关联值分析模块调取真实负荷数据库的真实负荷数据，再比对分析数据，分析大数据关联度，得出关联度高最高的数据；
76.6)、信息整合模块获取关联值分析模块关联度的分析值，优化信息关联度整合，再下次预测时，进一步提高整合数据与用电负荷的关联度。
77.算法库种预设若干负荷分析算法，步骤4)中分别采用不同算法得出不同的分析值，步骤4)中训练单元将若干算法得出的分析值与实际负荷值比对，获得个算法的偏差值，并根据偏差值优化各算法，并将偏差值输入模型，实现模型优化。
78.步骤1)中数据采集模块通过实时新闻采集单元、用电数据采集单元、天气情况采集单元以及用电负荷采集单元采集与电力相关的新闻、实时用电数据、天气气温数据以及电网负荷数据。
79.信息整合模块根据关联值分析模提供的关联值分析结果优化信息整合能力，逐步提高所整合大数据信息对电网负荷影响的关联度。
80.数据模型由训练单元带入历史数据进行分析比对，完成搭建，数据模型通过训练单元的不断训练进行优化。
81.算法库每个预测分析回合删除一条分析偏差最大的算法，算法库每个预测分析回合补入一个新算法。
82.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。