(19)中华 人民共和国 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 202111409024.9 (22)申请日 2021.11.24 (71)申请人 国网山东省电力公司日照供电公司 地址 276800 山东省日照市东港区烟台路 68号 (72)发明人 程云祥　许家余　卢兴旺　李庚辰　 孙浩　杜善慧　穆斯彤　丁月明　 马文华　赵佃云　 (74)专利代理 机构 济南舜源专利事务所有限公 司 37205 代理人 孙玉营 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)H02J 3/00(2006.01) (54)发明名称 一种基于大数据的负荷预测方法、 设备及介 质 (57)摘要 本申请公开了一种基于大数据的负荷预测 方法、 设备及介质， 主要涉及数据预测技术领域， 用以解决现有的负荷预测的负荷预测精度较低 以及处理速度较慢技术问题。 方法包括： 获取预 设历史时间段内电力系统对应的负荷数据、 气象 数据以及节 假数据； 获得负荷数据对应的波动时 间段， 进而确定波动时间段对应的已维持时间段 和可预测时间段； 获得已维持时间段对应的第一 基准数据以及可预测时间段对应的第二基准数 据； 获得可预测时间段内的气象校正数据以及节 假校正数据； 通过第二基准数据、 气象校正数据 以及节假校正数据， 获得电力系统在可预测时间 段内的预测负荷数据。 本申请通过上述方法提高 了可预测时间段内关于负荷的预测精度以及速 度。 权利要求书2页 说明书5页 附图2页 CN 114239923 A 2022.03.25 CN 114239923 A 1.一种基于大 数据的负荷预测方法， 其特 征在于， 所述方法包括： 获取预设历史时间段内电力系统对应的负荷数据、 气象数据以及节假数据； 将所述负荷数据导入训练好的随机赋权神经网络， 以获得负荷数据对应的波动时间 段， 进而确定所述波动时间段对应的已维持时间段和可 预测时间段； 确定所述已维持时间段内的所述负荷数据对应的走势曲线， 以获得已维持时间段对应 的第一基准数据以及所述可 预测时间段对应的第二基准数据； 根据预设非线性算法、 预设维度数据库、 所述第一基准数据、 负荷数据、 所述气象数据 以及所述节假数据， 获得 可预测时间段内的气象校正数据以及节假校正数据； 通过所述第二基准数据、 所述气象校正数据以及所述节假校正数据， 获得电力系统在 可预测时间段内的预测负荷数据。 2.根据权利要求1所述的基于大数据的负荷预测方法， 其特征在于， 在将所述负荷数 据， 导入训练好的随机赋权神经网络之前， 所述方法还 包括： 对预设参 考时间段内的负荷数据进行 标记处理， 以获得 具有波动时间段的训练数据； 基于所述训练样本数据， 对随机赋权神经网络对应的公式： 进行训练， 以确定随机赋权神经网络对应的权重和偏置， 进而完成随机赋权神经网络的训 练； 其中， tj为预测的波动时间段， wi为预测权重； βi为所述权重； bi为所述偏置； j＝1, 2,...,M； M为所述训练数据的数量。 3.根据权利要求2所述的基于大 数据的负荷预测方法， 其特 征在于， 将所述负荷数据， 导入训练好的随机赋权神经网络， 以获得负荷数据对应的波动 时间 段， 进而确定所述波动时间段对应的已维持时间段和可 预测时间段， 具体包括： 将负荷数据导入所述训练好的随机赋权神经网络， 确定负荷数据对应波动曲线， 进而 确定波动曲线对应的波动时间段； 通过所述波动 时间段， 确定已维持时间段以及剩余维持时间段， 以确实所述剩余维持 时间段为可 预测时间段。 4.根据权利要求1所述的基于大 数据的负荷预测方法， 其特 征在于， 确定所述已维持时间段内负荷数据对应的走势曲线， 以获得已维持时间段对应的第 一 基准数据以及所述可 预测时间段对应的第二基准数据， 具体包括： 将已维持时间段对应的日期、 已维持时间段对应的负荷数据作为横 纵坐标， 生成时间 ‑ 负荷走势曲线； 通过所述 时间‑负荷走势曲线以及预设的曲线求解算法， 确定时间 ‑负荷走势曲线对应 的负荷计算公式； 根据所述负荷计算公式， 确定已维持时间段内对应的若干负荷计算值为第一基准数 据， 以及确定推出 可预测时间段内对应的若干负荷计算 值为第二基准数据。 5.根据权利要求 4所述的基于大 数据的负荷预测方法， 其特 征在于， 在获得可预测时间段内的气象校正数据以及节假校正数据之前， 所述方法还 包括： 基于负荷计算公式以及 预设计算公式F＝Z+AX+BY， 确定X、 Y的值； 其中， F为负荷 数据； Z 为第一基准数据； A为气象维度值； B为节假维度值； X为气象影响系数； Y为节假影响系数。权　利　要　求　书 1/2 页 2 CN 114239923 A 26.根据权利要求5所述的基于大数据的负荷预测方法， 其特征在于， 预设维度 数据库包 含气象维度数据以及节假维度数据值； 获得可预测时间段内的气象校正数据以及节假校正数据， 具体包括： 确定可预测时间段内的若干预测日期； 基于天气预测软件， 确定所述预测日期对应的气象维度数据； 其中， 气象维度数据包含 多云维度值、 晴天 维度值、 阴天 维度值和雨雪天 维度值； 基于法定节假日的规定， 确定预测日期对应的节假维度数据； 其中， 节假维度数据值包 含假日维度值以及工作日维度值； 通过气象影响系数乘以气象维度值， 确定在可预测时间段内的各个预测日期对应的所 述气象校正数据； 通过节假影响系数乘以节假维度值， 确定在可预测时间段内的各个预测日期对应的所 述节假校正数据。 7.根据权利要求6所述的基于大数据的负荷预测方法， 其特征在于， 第 二基准数据包含 可预测时间段内的各个预测日期对应的基准 值； 通过所述第二基准数据、 所述气象校正数据以及所述节假校正数据， 获得电力系统在 可预测时间段内的预测负荷数据， 具体包括： 通过预测负荷公式： F ’＝Z’+A’+B’， 确定在可预测时间段内的各个预测日期对应预测 负荷数据； 其中， F’为预测日期对应的预测 负荷值； Z ’为测试日期对应的基准值； A ’为测试日期对 应的气象校正数据； B ’为测试日期对应的节假校正数据。 8.一种基于大 数据的负荷预测设备， 其特 征在于， 所述设备包括： 处理器； 以及存储器， 其上存储有可执行代码， 当所述可执行代码被执行时， 使得所述处理器执 行如权利要求1 ‑7任一项所述的一种基于大 数据的负荷预测方法。 9.一种非易失性计算机存储介质， 其特征在于， 其上存储有计算机指令， 所述计算机指 令在被执 行时实现如权利要求1 ‑7任一项所述的一种基于大 数据的负荷预测方法。权　利　要　求　书 2/2 页 3 CN 114239923 A 3