本申請涉及負荷預測，特別是涉及一種能源系統(tǒng)多元負荷預測方法、裝置、計算機設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

背景技術：

1、隨著計算機技術的發(fā)展，出現(xiàn)了負荷預測技術。負荷預測是電力系統(tǒng)中的重要問題，它對于電力供需平衡、調(diào)度調(diào)控以及電網(wǎng)規(guī)劃具有重要意義。隨著電力系統(tǒng)規(guī)模的不斷擴大和電力市場的日益復雜化，準確預測電力負荷成為了保障電力系統(tǒng)穩(wěn)定運行的關鍵。

2、傳統(tǒng)技術中，負荷預測方法通常采用單一任務學習的方式進行負荷預測，即只關注負荷的單一屬性或特征，這導致負荷預測結果可能偏離實際情況，存在負荷預測準確性低的問題。

技術實現(xiàn)思路

1、基于此，有必要針對上述技術問題，提供一種能夠提高負荷預測準確性的能源系統(tǒng)多元負荷預測方法、裝置、計算機設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

2、第一方面，本申請?zhí)峁┝艘环N能源系統(tǒng)多元負荷預測方法，包括：

3、獲取用于多元負荷預測的數(shù)據(jù)集；所述數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；

4、確定所述多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；

5、針對每種所述能源類型，將所述能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到所述能源類型的多個訓練樣本各自對應的負荷預測結果；

6、獲取每種所述能源類型的權重，基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值；

7、根據(jù)所述模型預測損失值，對所述初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，所述目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。

8、第二方面，本申請還提供了一種能源系統(tǒng)多元負荷預測裝置，包括：

9、獲取模塊，用于獲取用于多元負荷預測的數(shù)據(jù)集；所述數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；

10、訓練樣本構建模塊，用于確定所述多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；

11、模型訓練模塊，用于針對每種所述能源類型，將所述能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到所述能源類型的多個訓練樣本各自對應的負荷預測結果；

12、損失值確定模塊，用于獲取每種所述能源類型的權重，基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值；

13、參數(shù)調(diào)整模塊，用于根據(jù)所述模型預測損失值，對所述初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，所述目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。

14、第三方面，本申請還提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)以下步驟：

15、獲取用于多元負荷預測的數(shù)據(jù)集；所述數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；

16、確定所述多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；

17、針對每種所述能源類型，將所述能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到所述能源類型的多個訓練樣本各自對應的負荷預測結果；

18、獲取每種所述能源類型的權重，基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值；

19、根據(jù)所述模型預測損失值，對所述初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，所述目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。

20、第四方面，本申請還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

21、獲取用于多元負荷預測的數(shù)據(jù)集；所述數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；

22、確定所述多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；

23、針對每種所述能源類型，將所述能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到所述能源類型的多個訓練樣本各自對應的負荷預測結果；

24、獲取每種所述能源類型的權重，基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值；

25、根據(jù)所述模型預測損失值，對所述初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，所述目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。

26、第五方面，本申請還提供了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)以下步驟：

27、獲取用于多元負荷預測的數(shù)據(jù)集；所述數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；

28、確定所述多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；

29、針對每種所述能源類型，將所述能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到所述能源類型的多個訓練樣本各自對應的負荷預測結果；

30、獲取每種所述能源類型的權重，基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值；

31、根據(jù)所述模型預測損失值，對所述初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，所述目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。

32、上述能源系統(tǒng)多元負荷預測方法、裝置、計算機設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品，在獲取到用于多元負荷預測的數(shù)據(jù)集，且確定多元負荷歷史數(shù)據(jù)所指示的多種能源類型的情況下，利用數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本，能夠綜合考慮多元負荷歷史數(shù)據(jù)和產(chǎn)生多元負荷歷史數(shù)據(jù)的影響因素特征，實現(xiàn)對訓練樣本的準確構建，通過針對每種能源類型，將能源類型的多個訓練樣本，輸入初始多元負荷預測模型，得到能源類型的多個訓練樣本各自對應的負荷預測結果，獲取每種能源類型的權重，基于每種能源類型的權重以及每種能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值，根據(jù)模型預測損失值，對初始多元負荷預測模型進行參數(shù)調(diào)整，得到目標多元負荷預測模型，能夠采用多任務學習的方式，同時利用多種能源類型的訓練樣本以及權重，實現(xiàn)對目標多元負荷預測模型的準確構建，進而可以利用目標多元負荷預測模型實現(xiàn)準確負荷預測，能夠提高負荷預測準確性。

技術特征：

1.一種能源系統(tǒng)多元負荷預測方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的方法，其特征在于，所述基于每種所述能源類型的權重以及每種所述能源類型的多個訓練樣本各自對應的負荷預測結果，確定模型預測損失值包括：

3.根據(jù)權利要求2所述的方法，其特征在于，所述基于所述能源類型的平均絕對相對誤差損失值和權重，確定所述能源類型的預測精度誤差損失值包括：

4.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)所述權重平均精度誤差損失值，確定模型預測損失值包括：

5.根據(jù)權利要求1至4任意一項所述的方法，其特征在于，所述基于所述數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本包括：

6.根據(jù)權利要求5所述的方法，其特征在于，所述針對每種所述能源類型，確定所述能源類型的訓練樣本數(shù)量包括：

7.一種能源系統(tǒng)多元負荷預測裝置，其特征在于，所述裝置包括：

8.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至6中任一項所述的方法的步驟。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至6中任一項所述的方法的步驟。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至6中任一項所述的方法的步驟。

技術總結
本申請涉及一種能源系統(tǒng)多元負荷預測方法、裝置、計算機設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。所述方法包括：獲取用于多元負荷預測的數(shù)據(jù)集；數(shù)據(jù)集包括多元負荷歷史數(shù)據(jù)以及影響因素特征；確定多元負荷歷史數(shù)據(jù)所指示的多種能源類型，并基于數(shù)據(jù)集分別構建每種能源類型的多個訓練樣本；基于每種能源類型的多個訓練樣本和權重，訓練得到目標多元負荷預測模型，目標多元負荷預測模型用于根據(jù)輸入數(shù)據(jù)輸出負荷預測結果。采用本方法能夠提高負荷預測準確性。

技術研發(fā)人員：何超林,戴建松,陳曉輝,汪弈,葉文楓,莫迦竣,李繁菀,金釗,李揚
受保護的技術使用者：南方電網(wǎng)大數(shù)據(jù)服務有限公司
技術研發(fā)日：
技術公布日：2024/12/26