CN111814112B - 电力负荷预测方法、装置、可读介质及电子设备 - Google Patents

电力负荷预测方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN111814112B
CN111814112B CN202010495011.7A CN202010495011A CN111814112B CN 111814112 B CN111814112 B CN 111814112B CN 202010495011 A CN202010495011 A CN 202010495011A CN 111814112 B CN111814112 B CN 111814112B
Authority
CN
China
Prior art keywords
curve
load curve
day
load
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010495011.7A
Other languages
English (en)
Other versions
CN111814112A (zh
Inventor
杨建文
董静妮
于槐林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinao Shuneng Technology Co Ltd
Original Assignee
Xinao Shuneng Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinao Shuneng Technology Co Ltd filed Critical Xinao Shuneng Technology Co Ltd
Priority to CN202010495011.7A priority Critical patent/CN111814112B/zh
Publication of CN111814112A publication Critical patent/CN111814112A/zh
Application granted granted Critical
Publication of CN111814112B publication Critical patent/CN111814112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Water Supply & Treatment (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)

Abstract

本发明公开了一种电力负荷预测方法、装置、计算机可读存储介质及电子设备，方法包括：获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。通过本发明的技术方案，可更为准确的预测出用户停产情况下售电公司的日前负荷曲线。

Description

电力负荷预测方法、装置、可读介质及电子设备
技术领域
本发明涉及能源技术领域，尤其涉及电力负荷预测方法、装置、可读介质及电子设备。
背景技术
随着电力现货的逐渐放开，售电公司已经逐渐开始了现货交易的试点，售电公司作为第三方，从电力市场购买电量后售出给用户，因此，用户负荷预测对售电公司来说是十分重要的。目前，对于突发性的用户停产和政策性停产，售电公司的日前负荷预测难度比较大，导致售电公司的日前负荷预测的准确性差。因此，在售电公司对应的用户存在停产的情况下，如何实现提高售电公司的日前负荷预测的准确性则成为亟待解决的问题。
发明内容
本发明提供了一种电力负荷预测方法、装置、计算机可读存储介质及电子设备，可更为准确的预测出用户停产情况下售电公司的日前负荷曲线。
第一方面，本发明提供了一种电力负荷预测方法，包括：
获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；
根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；
根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。
可选地，所述根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，包括：
获取所述第二用户对应的启动负荷曲线；
根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线。
可选地，所述根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线，包括：
删除所述第二用户在预测日的停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
可选地，所述根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线，包括：
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
第二方面，本发明提供了一种电力负荷预测装置，包括：
获取模块，用于获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；
曲线确定模块，用于根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；
预测模块，用于根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。
可选地，所述曲线确定模块，包括：获取单元以及曲线确定单元；其中，所述获取单元，用于获取所述第二用户对应的启动负荷曲线；
所述曲线确定单元，用于根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线。
可选地，所述曲线确定单元，包括：删除子单元以及曲线确定子单元；其中，
所述删除子单元，用于删除所述第二用户在预测日的停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
所述曲线确定子单元，用于根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
可选地，所述曲线确定子单元，用于执行如下步骤：
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
第三方面，本发明提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
第四方面，本发明提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种电力负荷预测方法、装置、计算机可读存储介质及电子设备，该方法通过获取售电对象的若干个第一用户分别对应的第一日负荷曲线、若干个第二用户分别对应的第二日负荷曲线以及若干个第二用户分别在预测日的停电时段，然后，针对每个第二用户，根据第二用户在预测日的停电时段和第二日负荷曲线，确定指示停电时段的负荷变化的第三日负荷曲线，得到的第三日负荷曲线由于考虑了第二用户在预测日的停电时段，从而具有相对较高的准确性；根据若干个第一日负荷曲线和若干个第三日负荷曲线，确定售电对象的日前负荷预测曲线，得到的日前负荷预测曲线综合考虑了售电对象对应的用户的停产情况，从而具有相对较高的准确性。综上所述，通过本发明的技术方案，可更为准确的预测出用户停产情况下售电公司的日前负荷曲线。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种电力负荷预测方法的流程示意图；
图2为本发明一实施例提供的另一种电力负荷预测方法的流程示意图；
图3为本发明一实施例提供的一种电力负荷预测装置的结构示意图；
图4为本发明一实施例提供的另一种电力负荷预测装置的结构示意图；
图5为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所述，本发明实施例提供了一种电力负荷预测方法，包括如下各个步骤：
步骤101，获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段。
具体地，售电对象具体指的是从电力交易市场购买电量并出售给用户的公司，即售电公司。第一用户具体指的是售电对象出售电力的、不存在停产情况的购买对象。第二用户具体指的是售电对象出售电力的、存在停产情况的购买对象。其中，购买对象可以是需要使用大量电力的企业。需要说明的是，第一用户和第二用户并不是固定，是根据实际情况随时调整的，比如，当第一用户存在停产情况时，将第一用户确定为第二用户。显而易见的，第一用户和第二用户的数量应当是多个，具体需要结合实际情况确定，此处不做具体限定。这里的停产情况包括突发性停产或者政策性停产，突发性停产可以是用户需要对设备进行维修。
具体地，停电时段具体指的是第二用户发生停产情况的开始时间点和结束时间点。需要说明的是，第二用户知道停电时段，换言之，停产情况是可预知的，比如，当企业对设备进行维修时，此时，即可将维修时段确定为停电时段。本发明实施例不考虑不可预知的突发性停产。需要说明的是，第二用户对应在预测时段内的停电时段可以是一段也可以是多段，具体需要结合实际情况确定，此处不做任何限定。
具体地，第一日负荷曲线具体指的是在一日内第一用户对应的负荷随着时间(以小时为单位)变化的曲线。第二日负荷曲线具体指的是第二用户在不发生停产时，在一日内第二用户对应的负荷随着时间(以小时为单位)变化的曲线。为方便描述，本发明实施例中的所有日负荷曲线均以时间为自变量，负荷为因变量，时间的单位是小时。
需要说明的是，预测日可以是一天，也可以是两天，具体需要结合实际情况确定，此处不做具体限制。具体地，针对每个用户，获取若干天内用户的负荷数据，比如可以是60天，对若干天内的用户的负荷数据进行加权平均，得到用户的日负荷曲线。
步骤102，根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化。
第三日负荷曲线指示了停电时段的负荷变化，换言之，第三日负荷曲线为一天内停电时段前后的负荷随时间变化的曲线。
在一些可行的实施例中，所述根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，包括：
获取所述第二用户对应的启动负荷曲线；
根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线。
启动负荷曲线具体指的是用户从生产启动开始时刻到生产稳定运行时刻的负荷变化的曲线，可以由传感器采集得到。启动负荷曲线对应的时长需要结合用户实际的生产情况确定，此处不做具体限定。
第三日负荷曲线考虑了停电时段以及停电时段后的启动负荷曲线，具有相对较高的参考价值，确保了根据第三日负荷曲线得到的日前负荷预测结果的准确性。
在一些可行的实施例中，所述根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线，包括：
删除所述第二用户在预测日的停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
考虑到第二用户在停电时段处于停产状态，为了准确反映停电时段的负荷，删除停电时段对应在第二日负荷曲线上的曲线。第三日负荷曲线综合了考虑停电时段以及停电时段后的启动情况，从而具有相对较高的参考价值。
考虑到停电时段和日负荷曲线上的时间表达上可能存在差异，比如，停电时段可以是下午1点到3点，对应在负荷曲线上的横坐标范围为13到15，具体地，确定停电时段对应在第二日负荷曲线上的开始时刻和结束时刻，将开始时刻和结束时刻对应在第二日负荷曲线上的曲线删除，保留第二日负荷曲线上的剩余曲线，并将其确定为删除后的日负荷曲线。
在一些可行的实施例中，所述根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线，包括：
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
具体地，第一结束时刻具体指的是停电时段对应在第二日负荷曲线上的结束时间点。第二结束时刻具体指的是启动负荷曲线以第一结束时刻作为开始时刻后的结束时刻，即第一结束时刻与启动负荷曲线对应的时长之和，举例来说，第一结束时刻为某日9点，启动负荷曲线的时长为24h，则第二结束时刻为某日的第二日的8点。接入时刻具体指的是第二结束时刻对应在第二日负荷曲线上的时刻，比如，第二结束时刻为36点，则接入时刻为12点，即对应在第二日负荷曲线上的横坐标为12。
具体地，确定删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，通过启动负荷曲线替换删除后的日负荷曲线上第一结束时刻后的曲线，并将删除后的日负荷曲线上停电时刻的开始时刻前的曲线以及第一结束时刻后的启动负荷曲线确定为替换后的负荷曲线；确定替换后的负荷曲线中启动负荷曲线对应的第二结束时刻后的曲线，并将第二结束时刻对应在第二日负荷曲线上时刻确定为接入时刻，然后，确定第二日负荷曲线上接入时刻后的曲线，并将该曲线拼接在替换后的负荷曲线上的第二结束时刻之后。换言之，第三日负荷曲线能够反映停电开始时刻到重新恢复稳定生产的负荷变化，当用户在停电之后再次达到稳定生产时，此时，在稳定生产时刻接入对应的第二日负荷曲线即可。
具体地，第三日负荷曲线包括停电时段的开始时刻之前的第二日负荷曲线、停电时段的第一结束时刻之后的启动负荷曲线以及启动负荷曲线的第二结束时刻后的第二日负荷曲线。举例来说，停电时段为13点到15点，第三日负荷曲线对应的横坐标范围为1到48，单位为小时，换言之，第三日负荷曲线包括两天的日负荷曲线，启动负荷曲线对应的横坐标范围为1到24，单位为小时，则第三日负荷曲线包括横坐标范围为1到13对应在第二日负荷曲线上的曲线、15到38对应在启动负荷曲线上的曲线以及38到48对应在第二日负荷曲线上的曲线。
步骤103，根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。
具体地，可以对若干个第一日负荷曲线和第三日负荷曲线进行加权平均，预测售电对象在预测日内的负荷曲线。也可以通过现有技术中的其他技术进行负荷预测，比如，训练神经网络进行负荷预测等。
需要说明的是，考虑到启动负荷曲线的时长可能会影响到第二天的负荷预测，因此，第三日负荷曲线的时长应当根据停电时段以及启动负荷曲线的时长确定，换言之，根据第二结束时刻确定。举例来说，假设第二日负荷曲线的横坐标范围为1到24，第二结束时刻大于第二日负荷曲线上的横坐标24，则说明启动负荷曲线影响到了预测日第二天的负荷预测，为了确保预测出的日前负荷曲线的准确性，第三日负荷曲线的时长应当为48小时，换言之，第三日负荷曲线包括两日的负荷曲线，如果第二结束时刻位于第二日负荷曲线上的横坐标范围内，则说明启动负荷曲线仅影响到了预测日当天的负荷预测，第三日负荷曲线的时长应当为24小时。
通过以上技术方案可知，本实施例存在的有益效果是：通过考虑售电对象的用户的停电情况以及停电后的启动情况，从而确保了预测出的售电对象的日前负荷曲线的准确性。
图1所示仅为本发明所述方法的基础实施例，在其基础上进行一定的优化和拓展，还能够得到所述方法的其他优选实施例。
如图2所示，为本发明所述电力负荷预测方法的另一个具体实施例。本实施例在前述实施例的基础上，结合应用场景进行了更加具体的描述。所述方法具体包括以下步骤：
步骤201、获取售电对象的第一用户对应的第一日负荷曲线，第二用户对应的第二日负荷曲线、启动负荷曲线以及在预测日的停电时段。
假设售电对象对应有N个第一用户以及n个第二用户，第一日负荷曲线对应的横坐标范围为1到24，单位为小时，第二日负荷曲线对应的横坐标范围为1到24，单位为小时，启动负荷曲线对应的横坐标范围为1到24，单位为小时，停电时段为13点到15点，预测日有两天，为48小时。
需要说明的是，启动负荷曲线对应的开始时刻指的是生产开始时刻，结束时间是生产稳定运行时刻。
步骤202、删除所述停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线。
删除后的日负荷曲线包括第二日负荷曲线上横坐标范围为1到13以及15到24分别对应的曲线。
步骤203、将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线。
第一结束时刻为15点，替换后的负荷曲线包括第二日负荷曲线上横坐标范围为1到13对应的曲线以及横坐标为15之后的启动负荷曲线。需要说明的是横坐标为15为启动负荷曲线对应的生产开始时刻，换言之，启动负荷曲线以横坐标为15作为开始时刻整体接入到第二日负荷曲线上横坐标为15之后。
步骤204、确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻。
需要说明的是，考虑到启动负荷曲线对应的时长为24h，影响到了两天的负荷预测，此时，第三日负荷曲线的横坐标范围为1到48，单位为小时。因此，第二结束时刻为38点，接入时刻为15点，接入时刻对应在第二日负荷曲线上的横坐标为15。
步骤205、将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的日负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
第三日负荷曲线包括第二日负荷曲线上横坐标范围为1到13对应的曲线、横坐标范围为15到38对应的启动负荷曲线以及横坐标范围为39到48对应在第二日负荷曲线上的曲线，这里，横坐标范围为39到48对应在第二日负荷曲线上的曲线具体指的是第二日负荷曲线上横坐标范围为15到24的曲线，即第二日负荷曲线上横坐标为15之后的曲线。
步骤206、根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。
需要说明的是，日前负荷预测曲线包括两天的负荷变化。
通过以上技术方案可知，本实施例存在的有益效果是：通过考虑售电对象的用户的停电情况以及停电后的启动情况，从而确保了预测出的售电对象的日前负荷曲线的准确性。
基于与本发明方法实施例相同的构思，请参考图3，本发明实施例还提供了一种电力负荷预测装置，包括：
获取模块301，用于获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；
曲线确定模块302，用于根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；
预测模块303，用于根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线。
请参考图4，本发明一个实施例中，所述曲线确定模块302，包括：获取单3021以及曲线确定单元3022；其中，
所述获取单元3021，用于获取所述第二用户对应的启动负荷曲线；
所述曲线确定单元3022，用于根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线。
本发明一个实施例中，所述曲线确定单元3022，包括：删除子单元以及曲线确定子单元；其中，
所述删除子单元，用于删除所述停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
所述曲线确定子单元，用于根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
所述曲线确定子单元，用于执行如下步骤：
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
图5是本发明实施例提供的一种电子设备的结构示意图。在硬件层面，该电子设备包括处理器501以及存储有执行指令的存储器502，可选地还包括内部总线503及网络接口504。其中，存储器502可能包含内存5021，例如高速随机存取存储器(Random-AccessMemory，RAM)，也可能还包括非易失性存储器5022(non-volatile memory)，例如至少1个磁盘存储器等；处理器501、网络接口504和存储器502可以通过内部总线503相互连接，该内部总线503可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等；内部总线503可以分为地址总线、数据总线、控制总线等，为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。当然，该电子设备还可能包括其他业务所需要的硬件。当处理器501执行存储器502存储的执行指令时，处理器501执行本发明任意一个实施例中的方法，并至少用于执行如图1或图2所示的方法。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的执行指令到内存中然后运行，也可从其它设备上获取相应的执行指令，以在逻辑层面上形成一种电力负荷预测装置。处理器执行存储器所存放的执行指令，以通过执行的执行指令实现本发明任一实施例中提供的一种电力负荷预测方法。
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行执行指令时，所述处理器执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图5所示的电子设备；执行指令是一种电力负荷预测装置所对应计算机程序。
本领域内的技术人员应明白，本发明的实施例可提供为方法或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者锅炉不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者锅炉所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者锅炉中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (8)

1.一种电力负荷预测方法，其特征在于，包括：
获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；其中，所述第一用户指的是售电对象出售电力的且不存在停产情况的用电企业，所述第二用户指的是售电对象出售电力的且存在停产情况的用电企业；所述第一日负荷曲线指的是在一日内所述第一用户对应的负荷随着时间变化的曲线，所述第二日负荷曲线指的是所述第二用户在不发生停产时，在一日内所述第二用户对应的负荷随着时间变化的曲线；
根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；
根据所述第一日负荷曲线和所述第三日负荷曲线，确定所述售电对象的日前负荷预测曲线；
所述根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，包括:
获取所述第二用户对应的启动负荷曲线；
根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线包括停电时段的开始时刻之前的第二日负荷曲线、停电时段的第一结束时刻之后的启动负荷曲线以及启动负荷曲线的第二结束时刻后的第二日负荷曲线。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线，包括:
删除所述第二用户在预测日的停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
3.根据权利要求2所述的方法，其特征在于，所述根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线，包括:
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
4.一种电力负荷预测装置，其特征在于，包括:
获取模块，用于获取售电对象的第一用户对应的第一日负荷曲线、第二用户对应的第二日负荷曲线以及所述第二用户在预测日的停电时段；其中，所述第一用户指的是售电对象出售电力的且不存在停产情况的用电企业，所述第二用户指的是售电对象出售电力的且存在停产情况的用电企业；所述第一日负荷曲线指的是在一日内所述第一用户对应的负荷随着时间变化的曲线，所述第二日负荷曲线指的是所述第二用户在不发生停产时，在一日内所述第二用户对应的负荷随着时间变化的曲线；
曲线确定模块，用于根据所述第二用户在预测日的停电时段以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线指示了停电时段的负荷变化；
预测模块，用于根据所述第一日负荷曲线和所述第三日负荷曲线，预测所述售电对象的日前负荷预测曲线；
所述曲线确定模块，包括:获取单元以及曲线确定单元；其中，
所述获取单元，用于获取所述第二用户对应的启动负荷曲线；
所述曲线确定单元，用于根据所述第二用户在预测日的停电时段、启动负荷曲线以及第二日负荷曲线，确定第三日负荷曲线，所述第三日负荷曲线包括停电时段的开始时刻之前的第二日负荷曲线、停电时段的第一结束时刻之后的启动负荷曲线以及启动负荷曲线的第二结束时刻后的第二日负荷曲线。
5.根据权利要求4所述的装置，其特征在于，所述曲线确定单元，包括:删除子单元以及曲线确定子单元；其中，
所述删除子单元，用于删除所述第二用户在预测日的停电时段对应在所述第二日负荷曲线上的曲线，以确定删除后的日负荷曲线；
所述曲线确定子单元，用于根据所述启动负荷曲线以及所述删除后的日负荷曲线，确定第三日负荷曲线。
6.根据权利要求5所述的装置，其特征在于，所述曲线确定子单元，用于执行如下步骤:
将所述启动负荷曲线替换所述删除后的日负荷曲线上停电时段的第一结束时刻后的曲线，以确定替换后的负荷曲线；
确定所述替换后的负荷曲线中启动负荷曲线对应的第二结束时刻以及所述第二结束时刻对应在所述第二日负荷曲线上的接入时刻；
将所述第二日负荷曲线上接入时刻后的曲线拼接于所述替换后的负荷曲线上第二结束时刻后，以确定第三日负荷曲线。
7.一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如权利要求1至3中任一所述的方法。
8.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至3中任一所述的方法。
CN202010495011.7A 2020-06-03 2020-06-03 电力负荷预测方法、装置、可读介质及电子设备 Active CN111814112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010495011.7A CN111814112B (zh) 2020-06-03 2020-06-03 电力负荷预测方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010495011.7A CN111814112B (zh) 2020-06-03 2020-06-03 电力负荷预测方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN111814112A CN111814112A (zh) 2020-10-23
CN111814112B true CN111814112B (zh) 2022-12-27

Family

ID=72847955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010495011.7A Active CN111814112B (zh) 2020-06-03 2020-06-03 电力负荷预测方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN111814112B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012196046A (ja) * 2011-03-16 2012-10-11 Kansai Electric Power Co Inc:The 日負荷予測曲線の逐次補正方法および装置
JP2013162666A (ja) * 2012-02-07 2013-08-19 Mitsubishi Electric Corp 負荷推定装置
EP3073678A1 (de) * 2015-03-27 2016-09-28 Deutsche Telekom AG Verfahren zur mitteilung der verbraucherlast in stromnetzwerken
CN106056264A (zh) * 2016-04-28 2016-10-26 东南大学 一种考虑负荷发展的分时电价优化方法
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力系统的负荷预测管理系统
CN110348597A (zh) * 2019-05-31 2019-10-18 广东电网有限责任公司 一种电网110kV主变短期负荷曲线预测方法
CN110610280A (zh) * 2018-10-31 2019-12-24 山东大学 一种电力负荷短期预测方法、模型、装置及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2427862B1 (en) * 2009-05-08 2016-07-27 Accenture Global Services Limited Building energy consumption analysis system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012196046A (ja) * 2011-03-16 2012-10-11 Kansai Electric Power Co Inc:The 日負荷予測曲線の逐次補正方法および装置
JP2013162666A (ja) * 2012-02-07 2013-08-19 Mitsubishi Electric Corp 負荷推定装置
EP3073678A1 (de) * 2015-03-27 2016-09-28 Deutsche Telekom AG Verfahren zur mitteilung der verbraucherlast in stromnetzwerken
CN106056264A (zh) * 2016-04-28 2016-10-26 东南大学 一种考虑负荷发展的分时电价优化方法
CN108898246A (zh) * 2018-06-19 2018-11-27 深圳供电局有限公司 一种基于电力系统的负荷预测管理系统
CN110610280A (zh) * 2018-10-31 2019-12-24 山东大学 一种电力负荷短期预测方法、模型、装置及系统
CN110348597A (zh) * 2019-05-31 2019-10-18 广东电网有限责任公司 一种电网110kV主变短期负荷曲线预测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Incorporating Wind Generation and Load Forecast Uncertainties into Power Grid Operations;YV Makarov等;《Wind Energy Management System EMS Integration Project》;20100131;全文 *
Short Term Electrical Load Forecasting Using Fuzzy Logic;Zaria Mohammed Shamseldin等;《SUDAN UNIVERSITY OF SCIENCE AND TECHNOLOGY COLLEGE OF GRADUATE STUDIES》;20151130;全文 *
Short-term Electrical Load Forecasting for an Institutional/;Eric Lynn Taylor;《TRACE: Tennessee Research and Creative Exchange》;20130831;全文 *
地区短期负荷预测;张强等;《农村电气化》;20100810(第08期);全文 *
基于灰色预测的错峰停电研究;李雪等;《电器与能效管理技术》;20161115(第21期);全文 *
基于负荷特性优化停电计划的研究;成杰等;《华北电力技术》;20131025(第10期);全文 *

Also Published As

Publication number Publication date
CN111814112A (zh) 2020-10-23

Similar Documents

Publication Publication Date Title
CN109726909B (zh) 一种能效评价方法、装置、可读介质及电子设备
CN109117595B (zh) 一种热负荷预测方法、装置、可读介质及电子设备
CN109858638B (zh) 构建设备能效曲线的方法、装置、可读介质及电子设备
CN110659137B (zh) 针对离线任务的处理资源分配方法及系统
CN112286549A (zh) 一种灰度发布方法
CN116316908B (zh) 一种风光场站有功功率控制方法及装置
CN109858119B (zh) 一种动态能效建模方法、装置、可读介质及电子设备
CN112527615B (zh) 一种设备确定方法、装置、电子设备及存储介质
CN111814112A (zh) 电力负荷预测方法、装置、可读介质及电子设备
CN112416725A (zh) 一种压力测试方法及装置
CN109615465B (zh) 业务订单的处理方法、装置和电子设备
CN119398816A (zh) 一种数据分析方法、装置、存储介质以及电子设备
CN116192759B (zh) 数据传输量的调整方法、装置、电子设备及存储介质
CN118746774A (zh) 灯具性能测试方法及设备
CN117872000A (zh) 应用于变压器的性能评估方法、系统、终端设备及介质
CN115018264A (zh) 一种故障检测的方法及装置
CN109829575B (zh) 能源数据预测的处理方法、装置、可读介质及电子设备
CN112346849B (zh) 一种配置cpu的方法及装置
CN112631729A (zh) 智能合约的部署方法、执行方法、装置及终端设备
CN111047219A (zh) 一种光伏清洗的确定方法、装置、可读介质及电子设备
CN110263405B (zh) 燃气机出力线性化的方法及装置
CN110224420A (zh) 储能系统充放电模型的线性化方法及装置
CN118885886B (zh) 适用于抽水蓄能机组的发电机绝缘劣化判定方法及其系统
CN112241754A (zh) 在线模型学习方法、系统、设备及计算机可读存储介质
CN111064881B (zh) 摄像头装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant