(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111291156.6 (22)申请日 2021.11.03 (65)同一申请的已公布的文献号 申请公布号 CN 113723717 A (43)申请公布日 2021.11.30 (73)专利权人 北京清大 科越股份有限公司 地址 100020 北京市朝阳区望京东园四区 11号楼18层1801-1 (72)发明人 张笑晗　步允千　赵梓州　 (74)专利代理 机构 北京细软智谷知识产权代理 有限责任公司 1 1471 代理人 涂凤琴 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01)G06K 9/62(2022.01) G06F 30/27(2020.01) G06Q 50/06(2012.01) 审查员 孔昕 (54)发明名称 系统日前短期负荷预测方法、 装置、 设备和 可读存储介质 (57)摘要 本发明涉及一种系统日前短期负荷预测方 法、 装置、 设备和可读存储介质， 该方法包括： 采 集历史数据， 并对历史数据进行预处理； 利用预 处理后的历史数据构建训练样 本集； 利用训练样 本集对预先建立的XGBoost多目标回归模型进行 训练， 得到训练后的XGBoost多目标回归模型； 生 成预测样 本特征； 将预测样本特征输入至训练后 的XGBoost多目标回归模型， 得到预测的短期负 荷。 本申请提供的技术方案， 不仅提高了模型训 练、 部署和预测的效率， 还提高了短期负荷预测 的精准度。 权利要求书3页 说明书9页 附图1页 CN 113723717 B 2022.04.29 CN 113723717 B 1.一种电力系统日前短期负荷预测方法， 其特 征在于， 所述方法包括： 采集历史数据， 并对所述历史数据进行 预处理； 利用预处 理后的历史数据构建训练样本集； 利用所述训练样本集对预先建立的XGBoost多目标回归模型进行训练， 得到训练后的 XGBoost多目标回归 模型； 生成预测样本特 征； 将所述预测样本特征输入至所述训练后的XGBoost多目标回归模型， 得到预测的短期 负荷； 所述将所述预测样本特征输入至所述训练后的XGBoost多目标回归模型， 得到预测的 短期负荷， 包括： 按下式确定所述训练后的XGBo ost多目标回归 模型的目标函数： 上式中， ， n为预测样本特征的总数量， ， m为待预测的时刻点的 总数量； 为第i个预测样本 特征的特征向量， 为第i个预测样本 特征的第k个待预测 的时刻点的电网实际负荷值， 为第t‑1轮迭代时对第i个预测样本特征第k个待预测 的时刻点的电网预测负荷值，   为预测第k个待预测的时刻点的电网负荷 值时第t轮迭 代中增加的新模型，   为预测第k个待预测的时刻点的电网负荷值时第t轮迭代增 加的新模型的复杂度， 为损失函数； 将所述预测 样本特征作为自变量输入至所述训练后的XGBoost多目标回归模型的目标 函数， 当 小于等于第二阈值或迭代轮数t等于第三阈值时， 输出预测的所有时刻点的负 荷， 所述预测的所有时刻点的负荷为预测的短期负荷。 2.根据权利要求1所述的方法， 其特征在于， 所述历史数据， 包括： 历史的短期电网负荷 值、 历史的气象值和历史的负荷变化 量； 所述历史的气象值中的气象指标包括： 温度、 湿度、 降雨 量、 风力和云量。 3.根据权利要求1所述的方法， 其特 征在于， 所述对所述历史数据进行 预处理， 包括： 利用插值法对填补所述历史数据中的缺失值， 并对填补缺失值后的所述历史数据进行 归一化处理， 得到所述预处 理后的历史数据。 4.根据权利要求1所述的方法， 其特征在于， 所述利用预处理后的历史数据构建训练样 本集， 包括： 将所述预处理后的历史数据的时刻划分为96个时刻点， 利用该96个时刻点的预处理后 的历史数据构建训练样本集。 5.根据权利要求1所述的方法， 其特征在于， 所述利用所述训练样本集对预先建立的权　利　要　求　书 1/3 页 2 CN 113723717 B 2XGBoost多目标回归 模型进行训练， 得到训练后的XGBo ost多目标回归 模型， 包括： 将所述训练样本集分为训练集和验证集； 利用所述训练集对所述预先建立的XGBoost多目标回归模型进行训练， 直至当利用验 证集对所述预先建立的XGBoost多目标回归模型进行验证时， 得到的预测的历史电网负荷 值与实际的历史电网负荷值的误差小于第一阈值时， 训练结束， 得到所述训练后的XGBoost 多目标回归 模型。 6.根据权利要求1所述的方法， 其特 征在于， 所述预测样本特 征， 包括： 待预测时刻前k~k‑M个时刻点的电网负荷值 、 待预测时刻前 k~k‑M个时刻点的气象值 、 待预测时刻前k~k‑M个时刻点的负 荷变化量 、 月份特征、 日期特征、 日期类型特征、 待预测开始 时刻所在小时特 征和待预测开始时刻分钟特 征； 其中， k为待预测的时刻点； M为一个可调的超参数， 且M是正整数值； 待预测时刻前k ‑M 个时刻点的负荷变化 量 ， 以此类推。 7.一种电力系统日前短期负荷预测装置， 其特 征在于， 所述装置包括： 预处理模块， 用于采集历史数据， 并对所述历史数据进行 预处理； 构建模块， 用于利用预处 理后的历史数据构建训练样本集； 训练模块， 用于利用所述训练样本集对预先建立的XGBoost多目标回归模型进行训练， 得到训练后的XGBo ost多目标回归 模型； 生成模块， 用于生成预测样本特 征； 预测模块， 用于将所述预测 样本特征输入至所述训练后的XGBoost多目标 回归模型， 得 到预测的短期负荷； 所述预测模块， 具体用于： 按下式确定训练后的XGBo ost多目标回归 模型的目标函数： 上式中， ， n为预测样本特征的总数量， ， m为待预测的时刻点 的总数量； 为第i个预测样本特征的特征向量， 为第i个预测样本特征的第k个待 预测的时刻点的电网实际负荷值， 为第t‑1轮迭代时对第i个预测样本特征第k个待 预测的时刻点的电网预测负荷值，   为预测第k个待预测的时刻 点的电网负荷 值时第t 轮迭代中增加的新模型，   为预测第k个待预测的时刻点的电网负荷值时第t轮迭权　利　要　求　书 2/3 页 3 CN 113723717 B 3