本公開涉及電力技術、人工智能技術，尤其是一種電力負荷預測方法、裝置、設備、介質(zhì)和程序產(chǎn)品。

背景技術：

1、隨著全球經(jīng)濟的快速發(fā)展和城市化進程的加速，電力系統(tǒng)面臨著越來越大的挑戰(zhàn)。電力需求的準確預測對于電網(wǎng)的穩(wěn)定運行、能源的有效管理、以及可再生能源的整合至關重要。相關技術中，通?；跉v史負荷數(shù)據(jù)的周期性，預測未來一定時間段需要的電力負荷量。但是，由于負荷數(shù)據(jù)的獲得存在較大時延，導致最近時段的負荷數(shù)據(jù)缺失，也即用于預測的最近時間段的特征缺失，使得預測結果準確性較低。

技術實現(xiàn)思路

1、本公開的實施例提供了一種電力負荷預測方法、裝置、設備、介質(zhì)和程序產(chǎn)品，以提高電力負荷預測結果的準確性。

2、本公開實施例的第一個方面，提供了一種電力負荷預測方法，包括：獲取待預測的預設時間段中每一日對應的日期特征和天氣特征；基于所述預設時間段中每一日對應的日期特征和天氣特征，確定所述預設時間段對應的第一時序特征數(shù)據(jù)；基于所述第一時序特征數(shù)據(jù)，通過目標負荷預測模型，預測獲得所述預設時間段對應的負荷預測結果；所述目標負荷預測模型是基于數(shù)據(jù)分塊的時間序列變換器模型；所述目標負荷預測模型是基于歷史時間段對應的第二時序特征數(shù)據(jù)及所述第二時序特征數(shù)據(jù)對應的負荷標簽數(shù)據(jù)、對初始負荷預測模型進行訓練獲得；所述第二時序特征數(shù)據(jù)基于所述歷史時間段中每一日對應的日期特征和天氣特征確定；其中，每一日對應的日期特征包括該日在一年中的位置信息、該日在一周中的位置信息、該日是否為休息日的狀態(tài)信息、該日在休息日情況下的休息日總天數(shù)、及該日在休息日中的位置信息；所述天氣特征包括該日對應的溫度、降水量、及風力。

3、本公開實施例的第二個方面，提供了一種電力負荷預測裝置，包括：獲取模塊，用于獲取待預測的預設時間段中每一日對應的日期特征和天氣特征；基于所述預設時間段中每一日對應的日期特征和天氣特征，確定所述預設時間段對應的第一時序特征數(shù)據(jù)；第一處理模塊，用于基于所述第一時序特征數(shù)據(jù)，通過目標負荷預測模型，預測獲得所述預設時間段對應的負荷預測結果；所述目標負荷預測模型是基于數(shù)據(jù)分塊的時間序列變換器模型；所述目標負荷預測模型是基于歷史時間段對應的第二時序特征數(shù)據(jù)及所述第二時序特征數(shù)據(jù)對應的負荷標簽數(shù)據(jù)、對初始負荷預測模型進行訓練獲得；所述第二時序特征數(shù)據(jù)基于所述歷史時間段中每一日對應的日期特征和天氣特征確定；其中，每一日對應的日期特征包括該日在一年中的位置信息、該日在一周中的位置信息、該日是否為休息日的狀態(tài)信息、該日在休息日情況下的休息日總天數(shù)、及該日在休息日中的位置信息；所述天氣特征包括該日對應的溫度、降水量、及風力。

4、本公開實施例的第三個方面，提供一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序用于執(zhí)行本公開上述任一實施例所述的電力負荷預測方法。

5、本公開實施例的第四個方面，提供一種電子設備，所述電子設備包括：處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執(zhí)行指令，并執(zhí)行所述指令以實現(xiàn)本公開上述任一實施例所述的電力負荷預測方法；或者，所述電子設備包括：上述任一實施例提供的電力負荷預測裝置。

6、本公開實施例的第五個方面，提供了一種計算機程序產(chǎn)品，當所述計算機程序產(chǎn)品中的指令被處理器執(zhí)行時，執(zhí)行本公開上述任一實施例提供的電力負荷預測方法。

7、基于本公開上述實施例提供的電力負荷預測方法、裝置、設備、介質(zhì)和程序產(chǎn)品，可以基于目標負荷預測模型和指定的預設時間段的第一時序特征數(shù)據(jù)，來獲得預設時間段的負荷預測結果，由于目標負荷預測模型的訓練階段的第二時序特征數(shù)據(jù)基于歷史時間段中每一日對應的日期特征和天氣特征確定，可以使模型學習到電力負荷與時間、天氣等因素的關聯(lián)關系，且在預測階段，待預測的預設時間段的日期特征和天氣特征均是可以獲得的，可以避免用于預測的輸入特征缺失問題，因此可以為模型提供與電力負荷量相關的日期、天氣等外部環(huán)境輸入特征，避免或減少負荷數(shù)據(jù)的時延性帶來的特征缺失問題，并且日期特征中包含了每一日與節(jié)假日的關聯(lián)關系的多維特征，天氣特征中包含了每一日的溫度、降水量、風力等多維特征，結合數(shù)據(jù)分塊的時間序列變換器（patch?time?seriestransformer，簡稱：patchtst）模型全局特征關注度高、擅長捕捉長距離依賴關系的特性，可以有效提高模型在節(jié)假日、極端天氣等非周期性場景下的魯棒性，避免或減少節(jié)假日、極端天氣等因素對負荷預測結果的不利影響，從而有效提高負荷預測結果的準確性。

技術特征：

1.一種電力負荷預測方法，包括：

2.根據(jù)權利要求1所述的方法，其中，所述目標負荷預測模型通過如下方式獲得：

3.根據(jù)權利要求2所述的方法，其中，所述基于所述第二時序特征數(shù)據(jù)和所述負荷標簽數(shù)據(jù)，對初始負荷預測模型進行訓練，得到所述目標負荷預測模型，包括：

4.根據(jù)權利要求1所述的方法，其中，所述基于所述第一時序特征數(shù)據(jù)，通過所述目標負荷預測模型，預測獲得所述預設時間段對應的負荷預測結果，包括：

5.根據(jù)權利要求1-4任一所述的方法，還包括：

6.根據(jù)權利要求5所述的方法，其中，所述目標分時占比預測模型通過如下方式獲得：

7.根據(jù)權利要求6所述的方法，其中，所述基于所述歷史負荷數(shù)據(jù)，確定所述第三時序特征數(shù)據(jù)對應的所述負荷分時占比標簽數(shù)據(jù)，包括：

8.根據(jù)權利要求6所述的方法，其中，所述第二時間粒度為小時；

9.一種電力負荷預測裝置，包括：

10.一種電子設備，所述電子設備包括：

11.一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序用于執(zhí)行上述權利要求1-8任一所述的方法。

12.一種計算機程序產(chǎn)品，當所述計算機程序產(chǎn)品中的指令被處理器執(zhí)行時，執(zhí)行本公開上述權利要求1-8任一所述的方法。

技術總結
本公開實施例公開了一種電力負荷預測方法、裝置、設備、介質(zhì)和程序產(chǎn)品，基于待預測的預設時間段中每一日對應的日期特征和天氣特征，確定預設時間段對應的第一時序特征數(shù)據(jù)；基于第一時序特征數(shù)據(jù)，通過目標負荷預測模型，預測獲得預設時間段對應的負荷預測結果；目標負荷預測模型是基于數(shù)據(jù)分塊的時間序列變換器模型；目標負荷預測模型是基于歷史時間段對應的第二時序特征數(shù)據(jù)及對應的負荷標簽數(shù)據(jù)、對初始負荷預測模型進行訓練獲得；第二時序特征數(shù)據(jù)基于歷史時間段中每一日對應的日期特征和天氣特征確定，由此可以避免或減少數(shù)據(jù)時延性、節(jié)假日、極端天氣等的不利影響，從而有效提高負荷預測結果的準確性。

技術研發(fā)人員：高海,周輝,婁煦敏,陳永健,廖蘭新
受保護的技術使用者：浙江小桔綠色能源科技有限公司
技術研發(fā)日：
技術公布日：2024/12/19