技术特征：
1.一种基于catboost的净负荷备用容量需求预测方法，其特征在于，包括：s1：获取待预测时段内各预测点的预测特征信息；s2：将各预测点的预测特征信息输入基于catboost集成学习方法构建的负荷/新能源预测误差预测模型，得到各预测点对应的负荷预测误差和新能源预测误差；s3：各预测点负荷预测误差和新能源预测误差相减，得到各预测点的净负荷备用容量需求预测结果；s4：基于各预测点的净负荷备用容量需求预测结果，在一定置信水平下，根据净负荷备用容量需求预测误差累计分布函数，得到各预测点净负荷备用容量需求预测区间上、下限；其中，所述净负荷备用容量需求预测误差累计分布函数通过对待预测时段前的预设时长内的净负荷备用容量需求预测结果误差进行统计分析得到。2.根据权利要求1所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，所述预测特征信息包括各预测点对应的时刻、月份、节气、节假日、负荷预测值及新能源预测值。3.根据权利要求1或2所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，所述步骤s2具体包括：将各预测点的预测特征信息划分为负荷误差预测特征信息及新能源误差预测特征信息；所述负荷误差预测特征信息包括时刻、月份、节气、节假日、负荷预测值，所述新能源误差预测特征信息包括时刻、月份、节气、节假日、新能源预测值；将负荷误差预测特征信息输入基于catboost集成学习方法构建的负荷预测误差预测模型，得到各预测点对应的负荷预测误差；将新能源误差预测特征信息输入基于catboost集成学习方法构建的新能源预测误差预测模型，得到各预测点对应的新能源预测误差。4.根据权利要求3所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，所述负荷预测误差预测模型及新能源预测误差预测模型通过如下方法得到：获取历史的包含负荷误差预测特征信息及负荷预测误差的多变量时间序列样本，以及获取历史的包含新能源误差预测特征信息及新能源预测误差的多变量时间序列样本，分别将样本进行归一化处理，得到负荷预测误差训练集和新能源预测误差训练集；以负荷误差预测特征信息为输入，以负荷预测误差为输出，基于catboost集成学习方法构建负荷预测误差预测模型，并利用负荷预测误差训练集进行训练，得到最终的负荷预测误差预测模型；以新能源误差预测特征信息为输入，以新能源预测误差为输出，基于catboost集成学习方法构建新能源预测误差预测模型，并利用新能源预测误差训练集进行训练，得到最终的新能源预测误差预测模型。5.根据权利要求1所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，所述净负荷备用容量需求预测误差累计分布函数通过如下方法得到：采用构建的负荷/新能源预测误差预测模型对待预测时段前的预设时长内各时间点的负荷预测误差和新能源预测误差进行预测；各时间点负荷预测误差和新能源预测误差相减，得到各时间点的净负荷备用容量需求预测结果；
获取各时间点的净负荷备用容量需求真实值并与各时间点的净负荷备用容量需求预测结果比较，得到各时间点的净负荷备用容量需求预测误差，构建净负荷备用容量需求预测误差数据库；基于净负荷备用容量需求预测误差数据库，采用非参数核密度估计方法，得到净负荷备用容量需求预测误差概率密度函数及净负荷备用容量需求预测误差累计分布函数。6.根据权利要求5所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，采用高斯核函数对净负荷备用容量需求预测误差进行核密度估计，通过非参数核密度估计方法构建的净负荷备用容量需求预测误差概率密度函数为：方法构建的净负荷备用容量需求预测误差概率密度函数为：式中，n为净负荷备用容量需求预测误差数据库中样本数量；ε
i
为第i个样本的净负荷备用容量需求预测误差；h为带宽；k(δ)为高斯核函数，δ为核函数自变量；根据净负荷备用容量需求预测误差概率密度函数f(ε)，对其积分得到净负荷备用容量需求预测误差累计分布函数f(ε)。7.根据权利要求6所述的基于catboost的净负荷备用容量需求预测方法，其特征在于，所述步骤s4包括：任意给定α，且0<α<1，在置信度1-α下，根据净负荷备用容量需求预测误差累计分布函数，并结合各预测点的净负荷备用容量需求预测结果，求取各预测点满足置信水平为1-α的净负荷备用容量需求预测区间[l
i
,u
i
]，并表示如下：式中，l
i
和u
i
分别为净负荷备用容量需求预测区间上限和下限；α1＝α/2；α2＝1-α/2；为净负荷备用容量需求预测误差累计分布函数的反函数，e
pre
为净负荷备用容量需求预测结果。8.一种基于catboost的净负荷备用容量需求预测装置，其特征在于，包括：特征获取模块，用于获取待预测时段内各预测点的预测特征信息；预测误差获取模块，用于将各预测点的预测特征信息输入基于catboost集成学习方法构建的负荷/新能源预测误差预测模型，得到各预测点对应的负荷预测误差和新能源预测误差；备用需求点预测结果获取模块，用于各预测点负荷预测误差和新能源预测误差相减，得到各预测点的净负荷备用容量需求预测结果；备用需求区间获取模块，用于基于各预测点的净负荷备用容量需求预测结果，在一定置信水平下，根据净负荷备用容量需求预测误差累计分布函数，得到各预测点净负荷备用容量需求预测区间上、下限；其中，所述净负荷备用容量需求预测误差累计分布函数通过对待预测时段前的预设时长内的净负荷备用容量需求预测结果误差进行统计分析得到。9.一种电子设备，其特征在于，包括：
存储器，其存储有计算机程序；处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的基于catboost的净负荷备用容量需求预测方法。10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于catboost的净负荷备用容量需求预测方法。
技术总结
本发明公开了一种基于CatBoost的净负荷备用容量需求预测方法、装置及存储介质，其中方法包括：获取待预测时段内各预测点的预测特征信息；将预测特征信息输入基于CatBoost集成学习方法构建的负荷/新能源预测误差预测模型，得到各预测点对应的负荷预测误差和新能源预测误差；各预测点负荷预测误差和新能源预测误差相减，得到各预测点的净负荷备用容量需求预测结果；在一定置信水平下，根据净负荷备用容量需求预测误差累计分布函数，得到各预测点净负荷备用容量需求预测区间上、下限。本发明可用于日前和日内的净负荷备用容量需求评估，预测稳定性、准确性、运算速度和运算效率高，普适性强。适性强。适性强。
技术研发人员：文云峰 王泽
受保护的技术使用者：湖南大学
技术研发日：2022.04.13
技术公布日：2022/7/1