CN119401453A 一种电力大用户负荷概率预测模型构建方法、系统、电子设备和存储介质 （朗坤智慧科技股份有限公司）

一种电力大用户负荷概率预测模型构建方公开了一种电力大用户负荷概率预测模型构建和历史负荷数据；将获取到的数据进行数据映关性和平稳性信息对最终数值数据中的历史负2依据所述相关性和平稳性信息对最终数值数据中的历史将分类后的历史负荷数据输入至各自的预测模型进行训练及评估，通过所述优化后的预测模型的输出值对生产计划3.如权利要求1或2所述的电力大用户负荷概率将生产数据中的日期类型、节假日名称、生产计划和检修计划中的依据负荷数据的平稳性数值对生产性负荷进一步分类为冲击型负5.如权利要求1、2或4所述任一的电力大用户负荷概率预测模型构建方法，其特征在按比例对输入数据进行划分得到训练集、验证集和测试集，并输入各自的通过长短期记忆网络进行模型训练，以捕捉负荷数据中的时序依赖关系和非线性关基于验证集对模型的拟合效果进行评估，若不存在欠拟合或过拟合现使用评估的最优模型对未来时间段的不同置信区间下的多类型3分类模块（400用于依据所述相关性和平稳性信息对最终数值数据中的历史负荷数训练评估模块（500用于将分类后的历史负荷数据输入至各自的预测模型进行训练所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现如权利要求1_7任一所述电力大用户负荷概行指令被处理器执行时实现如权利要求1_7任一所述电力大用户负荷概率预测模型构建方4电价政策和波动的市场价格为电力大用户带来了显著的用电成本降低的可能性。例如钢现有的负荷预测方法未能充分考虑不同行业用电负荷与特定生产计划及设备特点的结合，依据所述相关性和平稳性信息对最终数值数据中的历史负荷通过所述优化后的预测模型的输出值对生产计划[0007]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其[0008]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其5[0009]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其依据负荷数据与生产计划相关性数值，将负荷分为生产类负荷与生活用电类负依据负荷数据的平稳性数值对生产性负荷进一步分类为冲击型负荷和平稳型负[0010]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其[0011]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其使用评估的最优模型对未来时间段的不同置信区间下的多类型[0012]作为本发明所述的电力大用户负荷概率预测模型构建方法的一种优选方案，其6该计算机可执行指令被处理器执行时实现所述电力大用户负荷概率预测模型构建方法的[0018]图1为本发明一个实施例所述的电力大用户负荷概率预测模型构建方法的整体流图2为本发明一个实施例所述的电力大用户负荷概率预测模型构建方法中钢厂负图3为本发明一个实施例所述的电力大用户负荷概率预测模型构建系统的模块框7依据负荷数据与生产计划相关性数值，将负荷分为生产类负荷与生活用电类负依据负荷数据的平稳性数值对生产性负荷进一步分类为冲击型负荷和平稳型负在本申请实施例中，将分类后的负荷数据输入至各自的预测模型进行训练及评8按负荷是否平稳再对生产性负荷进一步分类，冲击型负荷包括轧机负荷和精炼使用评估的最优模型对未来时间段的不同置信区间下的多类型[0035]在本申请实施例中，预测通过基于预设时间段内的历史负荷数据与生产计划之[0038]实施例2，上述为本实施例的一种电力大用户负荷概率预测模型构建方法的示意预处理模块200，用于将获取到的数据进行数据映射，得到数值信息并进行预处分类模块400，用于依据相关性和平稳性信息对最终数值数据中的历史负荷数据训练评估模块500，用于将分类后的历史负荷数据输入至各自的预测模型进行训[0040]本实施例还提供一种计算设备，适用于电力大用户负荷概率预测模型构建的情9[0042]本实施例提出的存储介质与上述实施例提出的实现电力大用户负荷概率预测模型构建方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机