基于机器学习的短期电力负荷预测方法及系统与流程

本发明涉及智能化电力负荷控制，尤其涉及一种基于机器学习的短期电力负荷预测方法及系统。

背景技术：

1、随着社会经济和电力能源技术的发展，电力用能正在发生深刻的变革，包括新能源汽车在内的各种新型用能负荷接入的配电网，大规模和大流量的电力用能需求在社会和经济事件中变得愈发重要。为了满足这一需求，相关的理论和应用研究成为当前的一个技术研究热点和焦点。

2、在这一背景下，基于神经网络的短期电力负荷预测方法及系统的研究成果应运而生。目前，尽管已经存在各种传统的统计方法和基于机器学习的方法用于电力负荷预测，但仍面临着一些挑战和不足之处。传统的统计方法在预测精度和实时性方面存在局限性，难以捕捉到复杂的负荷变化模式，并且对历史数据和环境因素的依赖程度较高。

3、例如，对于各种新能源电力用能负荷，其具有离散的分布式特性以及电力用能负荷在时间维度的非均衡属性，在大直流电需求路线上，所需的电力配置往往在启动的情况下要求较高，这与传统数据网络模型中电力配置的恒定值化特征不匹配，容易在新能源用能负荷启动的情况下容易出现电力不足的情况，并由此衍生出各种电力网络及用电设备相关的冲击或设备故障问题，等等。

4、另一方面，综合国内外的理论研究文献来看，虽然一些文献给出的数据模型在负荷预测方面具有更高的准确性和灵活性，但仍存在一些问题，尤其是对于我们此次研究比较关注的包括新能源电力需求在内的离散化电力用能事件及其单次大流量电力需求条件下复杂非线性负荷变化，我们查阅到的各种数据模型均存在适应性不足、数据需求较高等问题。

技术实现思路

1、本发明要解决的技术问题是克服现有技术的种种不足，提供一种基于机器学习的短期电力负荷预测方法及系统。

2、为解决上述技术问题，本发明所采取的技术方案如下。

3、本发明所研发创新技术方案分为四个主体方面进行阐述。

4、本发明技术方案的第一方面，提供了一种基于机器学习的短期电力负荷预测方法，该方法包括：

5、响应于用户的第一用电请求，在第一时间通过dc/dc变换器向所述用户指示的第一设备输出第一直流电；

6、根据预置的映射关系和所述第一直流电，控制所述第一设备对应的电流检测装置和电压检测装置进行检测，得到第一检测结果；其中，所述映射关系为不同设备对应不同的电流检测装置和电压检测装置；

7、将所述第一检测结果输入至预置的第一网络模型中，得到第一输出结果；

8、根据所述第一输出结果，调整所述dc/dc变换器在第二时间的所述第一设备输出的第一直流电；其中，所述第二时间在所述第一时间之后。

9、作为本发明的一种优选技术方案，所述第一网络模型包括串联的识别网络模型和深度学习网络模型；其中，所述第一检测结果包括第一电流时序数据和第一电压时序数据；

10、其中，将所述第一检测结果输入至预置的第一网络模型中，得到第一输出结果，包括：

11、将所述第一电流时序数据和第一电压时序数据输入至识别网络模型中，得到第一阶段的第二电流时序数据和第二电压时序数据以及第二阶段的第三电流时序数据和第三电压时序数据；

12、将所述第二电流时序数据、所述第二电压时序数据和第一阶段所设定的第一值分别输入至所述神经网络模型的三个通道中，得到第一图像数据；

13、将所述第三电流时序数据、所述第三电压时序数据和第二阶段所设定的第二值分别输入至所述神经网络模型的三个通道中，得到第二图像数据；

14、将所述第一图像数据和所述第二图像数据作为第一输出结果。

15、作为本发明的一种优选技术方案，其中，将所述第一图像数据和所述第二图像数据作为第一输出结果，包括：

16、根据第一阶段所设定的第一权重和第一图像数据，得到第一参考值；

17、根据第二阶段所设定的第二权重和第二图像数据，得到第二参考值；

18、将所述第一参考值和所述第二参考值作为第一输出结果；其中，所述第一权重大于或者等于第二权重。

19、作为本发明的一种优选技术方案，其中，根据所述第一输出结果，调整所述dc/dc变换器在第二时间的所述第一设备输出的第一直流电，包括：

20、确定所述第一输出结果和预设的期望结果之间的偏差值；

21、根据所述偏差值和预设的映射关系，确定增益系数；其中，所述映射关系为不同的偏差值对应不同的增益系数；

22、根据所述增益系数，调整所述dc/dc变换器在第二时间的所述第一设备输出的第一直流电。

23、作为本发明的一种优选技术方案，得到输出结果之后，所述方法还包括：

24、响应于用户的第二用电请求，在第三时间停止所述dc/dc变换器向所述第一设备继续输出第一直流电，并且，控制所述第一设备对应的电流检测装置和电压检测装置进行检测，得到第二检测结果；其中，所述第三时间在所述第一时间和所述第二时间之间；

25、根据所述第二检测结果所反映的电流变化曲线和电压变化曲线，确定变化速率；

26、根据所述变化速率，调整所述dc/dc变换器在第四时间的所述第一设备输出的第二直流电。

27、作为本发明的一种优选技术方案，所述第二检测结果包括第四电流时序数据和第四电压时序数据；

28、其中，根据所述第二检测结果所反映的电流变化曲线和电压变化曲线，确定变化速率，包括：

29、提取所述第四电流时序数据所反映的电流变化曲线中的第一极值和第一拐点值；

30、根据所述第四电流时序数据的第一时长和预置的第一映射关系，提取所述第四电流时序数据中第一数量的第一均值；其中，所述第一映射关系为不同的第一时长对应不同的第一数量；

31、提取所述第四电压时序数据所反映的电压变化曲线中的第二极值和第二拐点值；

32、根据所述第四电压时序数据的第二时长和预置的第二映射关系，提取所述第四电流时序数据中第二数量的第一均值；其中，所述第二映射关系为不同的第二时长对应不同的第二数量；

33、根据所述第一均值、第一极值和第一拐点值得到电流变化速率，以及根据所述第二均值、第二极值和第二拐点值得到电压变化速率；

34、将所述电流变化速率和所述电压变化速率作为变化速率。

35、作为本发明的一种优选技术方案，其中，将所述电流变化速率和所述电压变化速率作为变化速率，包括：

36、确定所述电流变化速率和所述电压变化速率的平均变化速率，并作为变化速率。

37、本发明技术方案的第二方面，还提供了一种基于机器学习的短期电力负荷预测装置，所述装置包括：

38、请求响应模块，用于响应于用户的第一用电请求，在第一时间通过dc/dc变换器向所述用户指示的第一设备输出第一直流电；

39、检测结果得到模块，用于根据预置的映射关系和所述第一直流电，控制所述第一设备对应的电流检测装置和电压检测装置进行检测，得到第一检测结果；其中，所述映射关系为不同设备对应不同的电流检测装置和电压检测装置；

40、输出结果得到模块，用于将所述第一检测结果输入至预置的第一网络模型中，得到第一输出结果；

41、输出调整模块，用于根据所述第一输出结果，调整所述dc/dc变换器在第二时间的所述第一设备输出的第一直流电；其中，所述第二时间在所述第一时间之后。

42、本发明技术方案的第三方面，还提供了一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现根据本公开第一方面所述的方法。

43、本发明技术方案的第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序在被处理器执行时实现根据本公开的第一方面所述的方法。

44、采用上述技术方案所产生的有益效果在于：本发明开发的全新模型，首次从技术细节上对包括新能源电力需求在内的离散化电力用能事件及其在单次大流量电力需求条件下的复杂非线性负荷变异问题给出了可执行的技术解决方案。在我们的设计中，服务器可以响应于用户的第一用电请求，控制dc/dc变换器对第一设备输出第一直流电，并且将该第一设备对应的电流检测装置和电压检测装置开启并得到该第一设备的第一检测结果；将该第一检测结果输入至第一网络模型中，得到第一输出结果，根据第一输出结果，调整dc/dc变换器在第二时间的第一设备输出的第一直流电，进而可以在第二时间调高或者调低对第一设备输出的第一直流电，从而确保第一设备在启动的情况下获得较为合适的第一直流电，由此即可稳定增益各种新型电力用能负荷设备的适应性，降低其所受的电力负荷差冲击。

45、本发明技术研发的详细有益效果及其技术细节可以参考下文的实施例。