(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211038120.1 (22)申请日 2022.08.29 (65)同一申请的已公布的文献号 申请公布号 CN 115099544 A (43)申请公布日 2022.09.23 (73)专利权人 江苏华维光电科技有限公司 地址 226000 江苏省南 通市开发区新景路 18号1幢 (72)发明人 徐鹏飞　缪晓明　 (74)专利代理 机构 绍兴三人 行柯信知识产权代 理事务所(普通 合伙) 33495 专利代理师 齐玉巧 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) H02J 3/00(2006.01) G06K 9/00(2022.01) G06F 16/9537(2019.01) 审查员 陈国灿 (54)发明名称 基于信号去噪的智能电网负荷预测方法 (57)摘要 本发明涉及智能电网技术领域， 具体涉及一 种基于信号去噪的智能电网负荷预测方法， 包 括： 根据待预测电网的过去第一 设定时间段的负 荷时序数据， 确定负荷时序数据对应的各趋势项 和各非趋势项； 获取各个特定感兴趣时段和各个 随机感兴趣时段， 确定两个感兴趣时段内的各非 趋势项对应的噪声程度指标值和噪声门限； 筛选 出负荷时序数据对应的各非趋势项中的噪声数 据， 并对筛选出的噪声数据进行更新处理， 从而 得到更新处理后的负荷时序数据对应的各非趋 势项； 根据负荷时序数据对应的各趋势项和更新 处理后的负荷时序数据对应的各非趋势项， 确定 待预测电网的未来第二设定时间段的预测负荷 时序数据。 本发 明有效提高了预测负荷时序数据 的准确性。 权利要求书3页 说明书12页 附图1页 CN 115099544 B 2022.10.25 CN 115099544 B 1.一种基于信号去噪的智能电网负荷预测方法， 其特 征在于， 包括以下步骤： 获取待预测电网的过去第 一设定时间段的负荷时序 数据， 并根据 该待预测电网的过去 第一设定时间段的负荷时序数据， 确定待 预测电网的过去第一设定时间段的负荷时序数据 对应的各趋势项和各非趋势项； 获取待预测电网的过去第一设定时间段的负荷时序数据对应的各个特定感兴趣时段 和各个随机感兴趣时段； 根据待预测电网的过去第一设定时间段的负荷时序数据对应的各个特定感兴趣时段 和各个随机感兴趣时段内的各非趋势项， 确定各个特定感兴趣时段和各个随机感兴趣时段 内的各非趋势项对应的噪声程度指标值和噪声门限； 根据各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的噪声程度指 标值和噪声门限， 筛选出待预测电网的过去第一设定时间段的负荷时序数据对应的各非趋 势项中的噪声数据， 并对筛选出 的噪声数据进行更新处理， 从而得到更新处理后的待预测 电网的过去第一设定时间段的负荷时序数据对应的各非趋势项； 根据更新处理后的待预测电网的过去第一设定时间段的负荷时序数据对应的各非趋 势项和待 预测电网的过去第一设定时间段的负荷时序数据对应的各趋势项， 确定待预测电 网的未来第二设定时间段的预测负荷时序数据。 2.根据权利要求1所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的噪声程度指标值和 噪声门限的步骤 包括： 根据待预测电网的过去第一设定时间段的负荷时序数据对应的各个特定感兴趣时段 和各个随机感兴趣时段内的各非趋势项， 确定各个特定感兴趣时段和各个随机感兴趣时段 内的各非趋势项对应的多个相关非趋势项， 所述相关非趋势项为特定感兴趣时段或随机感 兴趣时段内的与各非趋势项相邻近的非趋势项； 根据各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项及其对应的多个相 关非趋势项， 确定各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的噪声 程度指标值和电网负荷水平指标； 根据各个特定感兴趣时段内的各非趋势项的时序日期和各个特定感兴趣时段端点处 的时序日期， 确定各个特定感兴趣时段内的各非趋势项的特定感兴趣时段噪声门限分量； 根据各个特定感兴趣时段内的各非趋势项的特定感兴趣时段噪声门限分量和电网负 荷水平指标， 确定各个特定感兴趣时段内的各非趋势项对应的噪声门限； 根据各个随机感兴趣时段内的各非趋势项的时序日期， 确定各个随机感兴趣时段内的 各非趋势项的随机感兴趣时段噪声门限分量； 根据各个随机感兴趣时段内的各非趋势项的随机感兴趣时段噪声门限分量和电网负 荷水平指标， 确定各个随机感兴趣时段内的各非趋势项对应的噪声门限。 3.根据权利要求2所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的噪声程度指标值的 步骤包括： 根据各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的多个相关非 趋势项， 确定各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项与其对应的多个权　利　要　求　书 1/3 页 2 CN 115099544 B 2相关非趋势项之间的差值的绝对值； 从各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项与其对应的多个相关 非趋势项之 间的差值的绝对值中筛选出多个目标差值绝对值， 所述目标差值绝对值为各非 趋势项与其对应的多个相关非趋势项之间的差值的绝对值中较小的差值 绝对值； 计算各个特定感兴趣时段和各个随机感兴趣时段内的各非趋势项对应的多个目标差 值绝对值的平均值， 将该平均值作为各个特定感兴趣时段和各个随机感兴趣时段内的对应 非趋势项对应的噪声程度指标值。 4.根据权利要求2所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个特定感兴趣时段内的各非趋势项的特定感兴趣时段噪声门限分量的步骤 包括： 根据各个特定感兴趣时段内的各非趋势项的时序日期和各个特定感兴趣时段端点处 的时序日期， 确定各个特定感兴趣时段内的各非趋势项与其对应的特定感兴趣时段端点的 接近程度； 根据各个特定感兴趣时段内的各非趋势项与其对应的特定感兴趣时段端点的接近程 度， 确定各个特定感兴趣时段内的各非趋势项的特定感兴趣时段噪声门限分量。 5.根据权利要求4所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个特定感兴趣时段内的各非趋势项与其对应的特定感兴趣时段端点的接近程度的计 算公式为： 其中， 为各个特定感兴趣时段内的第 k个非趋势项与其对应的特定感兴趣时段端点 的接近程度， i为各个特定感兴趣时段内的第 k个非趋势项的时序日期， 为各个特定感 兴趣时段内的第 k个非趋势项的特定感兴趣时段端点处的最小时序日期， 为各个特定 感兴趣时段内的第 k个非趋势项的特定感兴趣时段端点处的最大时序日期， min(  )为求最 小值函数。 6.根据权利要求4所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个特定感兴趣时段内的各非趋势项的特定感兴趣时段噪声门限分量的计算公式为： 其中， 为各个特定感兴趣时段内的第 k个非趋势项的特定感兴趣时段噪声门限 分量， 为各个特定感兴趣时段内的第 k个非趋势项与其对应的特定感兴趣时段端点的接 近程度。 7.根据权利要求2所述的一种基于信号去噪的智能电网负荷预测方法， 其特征在于， 确 定各个随机感兴趣时段内的各非趋势项的随机感兴趣时段噪声门限分量的步骤 包括： 根据各个随机感兴趣时段内的各非趋势项和各非趋势项的时序日期， 确定各个随机感 兴趣时段内的各非趋势项对应的二次函数； 根据各个随机感兴趣时段内的各非趋势项对应的二 次函数， 确定各个随机感兴趣时段 内的各非趋势项对应的极值时序日期；权　利　要　求　书 2/3 页 3 CN 115099544 B 3