(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210867638.X (22)申请日 2022.07.21 (71)申请人 阳光新能源开发股份有限公司 地址 230088 安徽省合肥市高新区天湖路2 号 (72)发明人 朱奥强　高强　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 杨培权 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 负荷预测方法、 装置、 设备及计算机可读存 储介质 (57)摘要 本发明公开了一种负荷预测方法、 装置、 设 备及计算机可读存储介质， 所述方法包括： 获取 当前预测点所处超参数周期内的目标训练超参 数； 获取当前预测点对应的样本数据集； 按照目 标训练超参数采用样本数据集对预设的负荷预 测模型进行有监督训练， 以更新负荷预测模型中 的模型参数； 将当前预测点的采样数据输入更新 模型参数后的负荷预测模型进行预测， 得到当前 预测点的下一预测点的预测负荷功率值。 本发明 提高了负荷预测的准确度。 权利要求书3页 说明书18页 附图3页 CN 115186916 A 2022.10.14 CN 115186916 A 1.一种负荷预测方法， 其特 征在于， 所述负荷预测方法包括以下步骤： 获取当前预测点所处超参数周期内的目标训练超参数， 其中， 各超参数周期内的训练 超参数是基于对应上一超参数周期 内的预测 误差对上一超参数周期 内的训练超参数进行 校正得到的， 超参数周期内的预测误差是基于超参数周期内各预测点的预测负荷功 率值与 真实负荷功率 值计算得到； 获取所述当前预测点对应的样本数据集， 其中， 所述样本数据集包括所述当前预测点 之前预设时长内各预测点分别对应的样本数据和标签数据， 预测点对应的样本数据是根据 预测点的采样数据生成的， 上一预测点对应的标签数据是根据下一预测点的真实负荷功 率 值生成的； 按照所述目标训练超参数采用所述样本数据集对预设的负荷预测模型进行有监督训 练， 以更新所述负荷预测模型中的模型参数； 将所述当前预测点的采样数据输入更新模型参数后的所述负荷预测模型进行预测， 得 到所述当前 预测点的下一预测点的预测负荷功率 值。 2.如权利要求1所述的负荷预测方法， 其特 征在于， 所述负荷预测方法还 包括： 在任一目标超参数周期结束后， 根据 所述目标超参数周期内各预测点的预测负荷功率 值和真实负荷功率 值计算得到所述目标超参数周期内的预测误差； 根据所述目标超参数周期内的预测误差相对于上一超参数周期内的预测误差的变化 趋势， 和所述目标超参数周期内的训练超参数相对于上一超参数周期内的训练超参数的调 整趋势， 确定训练超参数的目标调整趋势， 其中， 所述目标调整趋势是使得预测误差变小的 调整趋势； 按照所述目标调整趋势调 整所述目标超参数周期内的训练超参数， 得到所述目标超参 数周期的下一超参数周期内的训练超参数。 3.如权利要求1所述的负荷预测方法， 其特征在于， 所述将所述当前预测点的采样数据 输入更新模型参数后的所述负荷预测模型进 行预测， 得到所述当前预测点的下一预测点的 预测负荷功率 值的步骤之后， 还 包括： 根据所述预测负荷功率 值调整储能系统的充放电状态以控制用电系统的需量。 4.如权利要求3所述的负荷预测方法， 其特征在于， 所述根据所述预测负荷功率值调整 储能系统的充放电状态以控制用电系统的需量的步骤 包括： 当所述预测负荷功率值小于预设功率值时， 控制所述储能系统进入充电状态， 其中， 所 述预设功率 值为所述用电系统的最大需量达 到预设需量时的负荷功率 值； 当所述预测负荷功率 值大于所述预设功率 值时， 控制所述储能系统进入放电状态； 当所述预测负荷功率 值等于所述预设功率 值时， 控制所述储能系统进入平衡 状态。 5.如权利要求1所述的负荷预测方法， 其特征在于， 所述按照所述目标训练超参数采用 所述样本数据集对预设的负荷预测模型进行有监 督训练的步骤 包括： 从所述样本数据集提取出前预设个数的预测点对应的样本数据和标签数据作为训练 数据集； 按照所述目标训练超参数采用所述训练数据集对预设的负荷预测模型进行有监督训 练， 以对所述负荷预测模型的模型参数进行至少一次的更新； 从所述样本数据集中提取出一个预测点的样本数据和标签数据添加至所述训练数据权　利　要　求　书 1/3 页 2 CN 115186916 A 2集， 将更新模型参数后的所述负荷预测模型作为预设的负荷预测模型， 返回执行所述按照 所述目标训练超参数采用所述训练数据集对预设的负荷预测模型进行有监督训练， 以对所 述负荷预测模型的模型参数进行至少一次的更新的步骤， 直到所述样本数据集 为空。 6.如权利要求1所述的负荷预测方法， 其特征在于， 所述按照所述目标训练超参数采用 所述样本数据集对预设的负荷预测模型进 行有监督训练， 以更新所述负荷预测模型中的模 型参数的步骤之前， 还 包括： 获取在所述当前预测点的上一预测点进行负荷功率预测时采用的负荷预测模型作为 所述预设的负荷预测模型。 7.如权利要求1至6中任一项所述的负荷预测方法， 其特征在于， 获取当前预测点之前 预设时长内各 预测点分别对应的样本数据的步骤 包括： 对于所述当前预测点之前预设时长 内各个预测点中的任一目标预测点， 获取所述目标 预测点分别在各 预设数据特 征下的采样数据； 将各所述采样数据分别进行归一化处理， 将归一化处理后的各所述采样数据作为所述 目标预测点对应的样本数据。 8.如权利要求7所述的负荷预测方法， 其特征在于， 所述对于所述当前预测点之前预设 时长内各个预测点中的任一目标预测点， 获取所述目标预测点分别 在各预设数据特征下的 采样数据的步骤之前， 还 包括： 获取负荷功率数列和待选数据特征的采样数据数列， 其中， 所述负荷功率数列中包括 在各预设采样时间点采集的真实负荷功 率值， 所述采样数据数列包括在所述各预设采样时 间点采集的所述待选数据特 征下的采样数据； 计算所述负荷功率数列 与所述采样数据数列之间的关联系数； 当所述关联系数大于第 一预设阈值 时， 将负荷功率和所述待选数据特征作为两种所述 预设数据特 征。 9.如权利要求1至6中任一项所述的负荷预测方法， 其特征在于， 获取当前预测点之前 预设时长内各 预测点分别对应的样本数据的步骤 包括： 对于各预设数据 特征中的任一目标预设数据 特征， 获取所述当前预测点之前预设时长 内的各个预测点在所述目标 预设数据特 征下的采样数据； 对所述目标预设数据特征下的各所述采样数据进行曲线拟合得到所述目标预设数据 特征对应的目标曲线； 对于所述当前预测点之前预设时长 内各个预测点中的任一目标预测点， 计算所述目标 预测点在所述目标 预设数据特 征下的所述采样数据相对于所述目标曲线的目标偏离值； 根据所述目标偏离值确定所述目标预测点在所述目标预设数据特征下的样本值， 其 中， 当所述 目标偏离值大于第二预设阈值时， 采用所述 目标预测 点在所述 目标曲线上对应 的取值作为所述目标预测点在所述目标预设数据特征下的样本值， 当所述目标偏离值小于 或等于所述第二预设阈值时， 采用所述目标预测点在所述目标预设数据特征下的所述采样 数据作为样本值； 将所述目标预测点在各所述预设数据特征下的所述样本值作为所述目标预测点对应 的样本数据。 10.一种负荷预测装置， 其特 征在于， 所述负荷预测装置包括：权　利　要　求　书 2/3 页 3 CN 115186916 A 3