(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 202111383136.1 (22)申请日 2021.11.22 (71)申请人 南方电网数字电网研究院有限公司 地址 510555 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 余芸　明哲　萧展辉　甘杉　甘莹　 邓丽娟　李文俊　马赟　冯志宏　 (74)专利代理 机构 广州市诺 丰知识产权代理事 务所(普通 合伙) 44714 代理人 黄国亮 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 电网负荷异常预测方法、 系统和存 储介质 (57)摘要 本申请公开了一种电网负荷异常预测方法、 系统和存储介质， 涉及智 能电网和人工智能， 包 括以下步骤： 获取电网负荷序列数据； 将所述电 网负荷序列数据输入到预先训练好的负荷异常 预测模型中进行预测， 得到下一个时间段的预测 结果； 将下一个时间段的预测结果和预警值进行 比较， 判断是否产生异常； 其中， 所述负荷异常预 测模型包括第一序列模型和第二序列模型， 所述 下一个时间段的预测结果根据所述第一序列模 型和第二序列模型分别对电网负荷序列数据的 预测结果的加权结果确定。 本申请可以提前预测 未来的负荷状态， 并以此判断是否存在负荷异常 的情况， 可以及时进行处 理。 权利要求书2页 说明书7页 附图2页 CN 114091750 A 2022.02.25 CN 114091750 A 1.一种电网负荷异常预测方法， 其特 征在于， 包括以下步骤： 获取电网负荷序列数据， 所述电网负荷序列数据是待预测数据， 所述电网负荷序列数 据由多个统计点组成， 每个统计点表示时间序列上一个时间段的电网负荷统计量， 各统计 点所对应的时间段依次收尾相连且不重 叠； 将所述电网负荷序列 数据输入到预先训练好的负荷异常预测模型中进行预测， 得到下 一个时间段的预测结果； 将下一个时间段的预测结果和预警值进行比较， 判断是否产生异常； 其中， 所述负荷异常预测模型包括第一序列模型和第二序列模型， 所述下一个时间段 的预测结果根据所述第一序列模型和第二序列模型分别对电网负荷序列数据的预测结果 的加权结果确定 。 2.根据权利要求1所述的电网负荷异常预测方法， 其特征在于， 所述第 一序列模型和第 二序列模型的训练数据通过以下 方式获得： 通过将电网传输节点的监测设备配置为在检测到负荷异常时标注并上传负荷异常发 生前后的电网负荷数据， 所述负荷异常发生前后是指以负荷发生的时间节点为中心 点的预 设长度的时间段； 根据各所述检测设备 上传的异常数据构建训练集。 3.根据权利要求2所述的电网负荷异常预测方法， 其特征在于， 所述第 一序列模型不同 于第二序列模型。 4.根据权利要求3所述的电网负荷异常预测方法， 其特征在于， 所述第一序列模型为 LSTM模型， 所述第二序列模型为GRU模型； 所述下一个时间段的预测结果由所述LSTM模型对电网负荷序列数据的第一预测结果 和由所述GRU模型对电网负荷序列数据的第二预测结果平均得到 。 5.根据权利要求1所述的电网负荷异常预测方法， 其特征在于， 所述电网负荷序列 数据 由向量V＝{x1、 x2、 x3、 ……、 xn}表示， n是正整数， 向量中各元素均表示单位时间的电网负 荷统计量。 6.根据权利要求4所述的电网负荷异常预测方法， 其特征在于， 所述LSTM模型由多个模 型单元组成， 各 所述模型 单元包括遗 忘门、 输入门和输出门； 其中， LSTM模型中第1个模型单元根据第1时刻的输入数据产生输出数据， 第m个模型单 元根据前一单 元的输出 数据集和第m时刻的输入数据 产生输出 数据。 7.一种电网负荷异常预测系统， 其特 征在于， 包括： 获取单元， 用于获取电网负荷序列数据， 所述电网负荷序列数据 是待预测数据， 所述电 网负荷序列数据由多个统计点组成， 每个统计点表示时间序列上一个时间段的电网负荷统 计量， 各统计点所对应的时间段依次收尾相连且不重 叠； 预测单元， 用于将所述电网负荷序列数据输入到预先训练好的负荷异常预测模型中进 行预测， 得到下一个时间段的预测结果； 判断单元， 用于将下一个时间段的预测结果和预警值进行比较， 判断是否产生异常； 其中， 所述负荷异常预测模型包括第一序列模型和第二序列模型， 所述下一个时间段 的预测结果根据所述第一序列模型和第二序列模型分别对电网负荷序列数据的预测结果 的加权结果确定 。权　利　要　求　书 1/2 页 2 CN 114091750 A 28.根据权利要求7所述的电网负荷异常预测系统， 其特征在于， 所述第一序列模型为 LSTM模型， 所述第二序列模型为GRU模型； 所述下一个时间段的预测结果由所述LSTM模型对电网负荷序列数据的第一预测结果 和由所述GRU模型对电网负荷序列数据的第二预测结果平均得到 。 9.根据权利要求8所述的电网负荷异常预测系统， 其特征在于， 所述LSTM模型由多个模 型单元组成， 各 所述模型 单元包括遗 忘门、 输入门和输出门； 其中， LSTM模型中第1个模型单元根据第1时刻的输入数据产生输出数据， 第m个模型单 元根据前一单 元的输出 数据集和第m时刻的输入数据 产生输出 数据。 10.一种计算机可读存储介质， 其特征在于， 其存储有程序， 所述程序被处理器执行时， 实现如权利要求1 ‑7任一项所述的电网负荷异常预测方法。权　利　要　求　书 2/2 页 3 CN 114091750 A 3