(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 202111383732.X (22)申请日 2021.11.22 (71)申请人 国网河北省电力有限公司营销服 务 中心 地址 050035 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 申请人 国家电网有限公司 　 国网河北省电力有限公司 　 北京清软创新科技股份有限公司 (72)发明人 张凯　郭威　何胜　冯剑　刘梅　 李海坤　 (74)专利代理 机构 石家庄国为知识产权事务所 13120 代理人 彭竞驰(51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) G06K 9/62(2022.01) (54)发明名称 电网负荷预测方法 (57)摘要 本发明提供一种电网负荷预测方法。 该方法 包括： 对历史 时段负荷数据进行并行的异常数据 检测， 并剔除历史时段负荷数据中的异常数据； 通过聚类分析将剔除异常数据的历史时段负荷 数据分为不同的类型， 并确定每种类型对应的典 型负荷数据； 根据历史时段负荷影 响数据和对应 的类型进行训练， 得到负荷分类模型； 将待预测 时段负荷影 响数据输入负荷分类模 型， 确定待预 测时段对应的类型和待预测时段对应的典型负 荷数据； 根据待预测时段对应的典型负荷数据和 剔除异常数据的历史时段负荷数据对待预测时 段进行负荷预测。 本发明能够在提高负荷预测效 率的同时提高负荷预测精度。 权利要求书3页 说明书17页 附图4页 CN 114066073 A 2022.02.18 CN 114066073 A 1.一种电网负荷预测方法， 其特 征在于， 包括： 对历史时段负荷数据进行并行的异常数据检测， 并剔除所述历史时段负荷数据中的异 常数据； 通过聚类分析将剔除异常数据的历史时段负荷数据分为不同的类型， 并确定每种类型 对应的典型负荷数据； 根据历史时段负荷影响数据和对应的类型进行训练， 得到负荷分类模型； 将待预测时段负荷影响数据输入所述负荷分类模型， 确定待预测时段对应的类型和所 述待预测时段对应的典型负荷数据； 根据所述待预测时段对应的典型负荷数据和剔除异常数据的历史时段负荷数据对所 述待预测时段进行负荷预测。 2.根据权利要求1所述的电网负荷预测方法， 其特征在于， 所述对历史时段负荷数据进 行并行的异常数据检测， 并剔除所述历史时段负荷数据中的异常数据， 包括： 基于Spark集群计算平台的Map任务， 将历史时段负荷数据的数据空间划分为多个网格 单元， 并将网格单 元和数据分区一 一对应分配； 基于Spark集群计算平台的Combine任务， 在每个数据分区内进行局部聚类异常数据检 测， 获得每 个数据分区内的局部聚类结果和异常数据集 合； 基于Spark集群计算平台的Reduce任务， 将每个数据分区内的局部聚类结果和异常数 据集合分别进行合并， 获得全局聚类结果和全局异常数据集 合； 根据所述全局聚类结果和所述全局异常数据集合剔除历史时段负荷数据中的异常数 据。 3.根据权利要求2所述的电网负荷预测方法， 其特征在于， 所述基于Spark集群计算平 台的Map任务， 将历史 时段负荷数据的数据空间划分为多个网格单元， 并将网格单元和数据 分区一一对应分配， 包括： 通过历史时段负荷数据得到多维的数据空间； 将所述数据空间添加到队列中， 并计算队首 元素内包含的数据对象数目； 若所述数据对象数目大于或等于网格单元的数据对象数目阈值， 则 计算所述队首元素 内的数据对 象在每个维度的方差， 将方差最大 的维度作为分割维度， 利用所述分割维度将 所述队首元素分为两个包含数据对象数目均等的子元素， 并将分割后的两个子元素添加到 所述队列中； 若所述数据对象数目小于网格单元的数据对象数目阈值， 则将所述队首元素划分到一 个网格单 元内； 将所述队列中的下一元素作为所述队首元素， 继续执行计算队首元素内包含的数据对 象数目的步骤及后续步骤， 直到所述队列为空， 获得所述历史时段负荷数据的数据 空间划 分的网格单 元集合； 将所述网格单 元集合内的网格单 元和数据分区一 一对应分配。 4.根据权利要求2所述的电网负荷预测方法， 其特征在于， 所述基于Spark集群计算平 台的Combine任务， 在每个数据分区内进 行局部聚类异常数据检测， 获得每个数据分区内的 局部聚类结果和异常数据集 合， 包括： 对于每个数据分区， 计算该 数据分区内每 个数据对象的局部密度和相对距离；权　利　要　求　书 1/3 页 2 CN 114066073 A 2根据每个数据对象的局部密度进行局部聚类， 获得每 个数据分区内的局部聚类结果； 根据每个数据对象的局部密度和相对距离进行异常检测， 获得每个数据分区内的异常 数据集合。 5.根据权利要求4所述的电网负荷预测方法， 其特征在于， 所述计算该数据分区内每个 数据对象的局部密度， 包括： 根据 计算该数据分区内 每个数据对象的局部密度； 其中， ρa为数据对 象a的局部密度， LOFk(a)为数据对 象a的邻域数据对 象的局部可达密 度与数据对象a的局部可达密度之比的平均数， σ 为密度截距， dist(xa,xj)为数据对象a与数 据对象j的可达距离， distcutoff为截距。 6.根据权利要求1 ‑5任一项所述的电网负荷预测方法， 其特征在于， 所述根据所述待预 测时段对应的典型负荷数据对所述待预测时段进行负荷预测， 包括： 使用经验模态分解方法将剔除异常数据的历史时段负荷数据分解成多个时序分量， 并 根据所有的时序分量获得初始特 征集合； 通过皮尔逊相关系数法对所述初始特征集合进行相关性分析， 确定与 所述待预测时段 对应的典型负荷数据相关性较大的时序分量 为输入特 征； 将所述输入特征和剔除异常数据的历史时段负荷数据一起输入门控循环单元网络预 测模型对所述待预测时段进行负荷预测。 7.根据权利要求6所述的电网负荷预测方法， 其特征在于， 所述通过皮尔逊相关系数法 对所述初始特征集合进行相关性分析， 确定与所述待 预测时段对应的典型负荷数据相关性 较大的时序分量 为输入特 征， 包括： 根据 计算所述初始特征集合中每个时序分量的相关系 数； 将相关系数最大的L个时序分量确定为输入特 征， 其中L 为正整数； 其中， η为时序分量的相关系数， xi为时序分量中的样本点， yi为所述待预测时段对应的 典型负荷数据中的样本点， 为时序分量 的样本均值， 为所述待预测时段对应的典型负 荷数据的样本均值， n 为样本点个数。 8.一种电网负荷预测装置， 其特 征在于， 包括： 异常数据检测模块， 用于对历史时段负荷数据进行并行的异常数据检测， 并剔除所述 历史时段负荷数据中的异常数据； 聚类分析模块， 用于通过聚类分析将剔除异常数据的历史时段负荷数据分为不同的类权　利　要　求　书 2/3 页 3 CN 114066073 A 3