(19)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 202211168494.5 (22)申请日 2022.09.16 (71)申请人 国网天津市电力公司 地址 300010 天津市河北区五经路39号 申请人 国家电网有限公司 (72)发明人 王珍珍　范瑞卿　李全友　赵北涛　 高秀青　郭凌旭　陈建　郝毅　 刘放　蔡蕾　李建　张天明　 张家安　李凤贤　郝妍　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 董一宁 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01) H02J 3/00(2006.01) (54)发明名称 一种基于概率建模和误差修正的电采暖负 荷预测方法 (57)摘要 本发明公开了一种基于概率建模和误差修 正的电采暖负荷预测方法， 包括以下步骤： 步骤 1： 基于电采暖负荷历史数据建立相邻两天相同 时刻负荷变化量和前一天负荷数据的关联概率 模型； 步骤2： 采用直方图模型表征不同负荷波动 区间下负荷变化量的实际分布； 步骤3： 利用正态 分布对各个波动区间内的负荷变化量的直方图 模型进行拟合， 得到不同负荷区间下负荷变化量 的概率模型实现电采暖负荷的初步预测； 步骤4： 针对实际值与初步预测结果之间的误差， 建立 MEMD‑BiLSTM误差修正模型对预测结果进行修 正， 得到电采暖负荷最终的预测结果。 该预测方 法能够充分挖掘电采暖负荷数据内部关联关系 和预测误差信息， 有效提高提高电采暖负荷预测 精度。 权利要求书1页 说明书4页 附图4页 CN 115511173 A 2022.12.23 CN 115511173 A 1.一种基于概 率建模和误差修 正的电采暖负荷预测方法， 其特 征在于， 包括以下步骤： 步骤1： 基于电采暖负荷历史数据建立相邻两天相同时刻负荷变化量和前一天负荷数 据的关联概 率模型； 步骤2： 采用直方图模型表征不同负荷波动区间下负荷变化 量的实际分布； 步骤3： 利用正态分布对各个波动区间内的负荷变化量的直方图模型进行拟合， 得到不 同负荷区间下负荷变化 量的概率模型实现电采暖负荷的初步预测； 步骤4： 针对实际值与初步预测结果之间的误差， 建立MEMD ‑BiLSTM误差修正模型对预 测结果进行修 正， 得到电采暖负荷最终的预测结果。 2.根据权利要求1所述的一种基于概率建模和误差修正的电采暖负荷预测方法， 其特 征在于： 所述步骤1需基于正态分布函数建立相邻两天相同时刻下负荷变化量与前一天负 荷的关联概 率模型， 以计算电采暖负荷数据中相邻两天相同时刻的负荷变化 量； ΔPi,t＝Pi,t‑Pi+1,t 式中， Pi,t为第i天第t时刻的电采暖负荷值； Pi+1,t为第i+1天第t时刻的电采暖负荷值； ΔPi,t为第i天t时刻电采暖负荷变化 量。 3.根据权利要求1所述的一种基于概率建模和误差修正的电采暖负荷预测方法， 其特 征在于： 所述步骤2中需统计历史负荷数据的最大值和最小值得到电采暖负荷的波动区间， 并将其等分为n个波动小区间， 并利用直方图模型建立不同负荷波动区间内相邻两天相同 时刻下负荷变化 量的实际分布。 4.根据权利要求1所述的一种基于概率建模和误差修正的电采暖负荷预测方法， 其特 征在于： 所述步骤3中需根据直方图模 型， 利用正态分布函数对各个波动小区间的负荷变化 量进行拟合， 得到各区间内负荷变化量的正态分布曲线和 概率密度函数； 并且利用待测日 前一天的实际负荷数据以及负荷变化 量的关联概 率模型实现电采暖负荷的初步预测。 5.根据权利要求1所述的一种基于概率建模和误差修正的电采暖负荷预测方法， 其特 征在于： 所述 步骤4基于 MEMD‑BiLSTM网络建立 误差修正模型时， 具体包括以下子步骤： 步骤4.1： 计算训练集中电采暖负荷实际数据和初步预测值之间的误差， 作为后续误差 修正模型的训练数据； Perror＝Preal‑Ppred1 式中， Preal为训练集电采暖负荷实际值； Ppred1为训练集初步预测值； Perror为训练集误差 数据； 步骤4.2： 利用多元经验模态分解同时对初步预测值和误差进行分解， 得到两组频率由 高到低的负荷分量， 降低初步预测值和误差序列的不平稳 特征， 提高模型的可 预测性； 步骤4.3： 将两组负荷 分量均分别重构为一个高频分量和一个低频分量， 以降低模型训 练时间， 减小累计误差； 步骤4.4： 利用双向长短期记 忆神经网络分别建立高频分量和低频分量的预测模型； 步骤4.5： 叠加高频分量和低频分量的预测结果实现误差预测； 以误差预测结果修正初 始预测值得到电采暖负荷最终的预测结果； Pp′red＝Pe′rror+Ppred 式中， Pe′rror为误差预测值； Pp′red为电采暖负荷最终的预测值。权　利　要　求　书 1/1 页 2 CN 115511173 A 2一种基于概 率建模和误差修正的电采暖负荷预测方 法 技术领域 [0001]本发明涉及智能电网技术领域， 涉及一种基于概率建模和误差修正的电采暖负荷 预测方法。 背景技术 [0002]近年来， 我国经济快速发展的同时雾霾天气 也在大范围扩散， 降低了环境质量。 为 应对化石能源枯竭和环境污染问题， 国家能源部门出台了一系 列能源政策。 例如， 在2016年 国家能源局发布的 《关于电能替代的指导意见》 中指出， 实施以电能替代为核心工程的电代 煤冬季取暖发展战略， 倡导在居民采暖领域要逐步推进 “煤改电”工程， 促使电能取暖替代 燃煤采暖， 促进清洁能源逐步替代传统能源， 减少碳化物、 硫化物以及氮化物的排放量， 从 源头上改善空气质量。 [0003]随着电采暖设备的大规模接入电网， 冬季电力负荷峰谷差进一步增大， 冬季日负 荷特性和日负荷曲线产生明显差异， 给供电质量和配电网安全稳定运行带来了新的挑战。 与传统的电力负荷不同， 电采暖受气温变化影响显著， 更类似于夏季的空调制冷负荷， 不仅 具有明显的季节气候特性， 而且具有更强的时序特征和非线性特征。 准确的电采暖负荷预 测不仅能够保证电力系统的经济稳定运行， 同时对电力系统的调峰及调频功能具有重要作 用。 本文将概率建模法和神经网络模型相结合， 利用概率建模方法实现未来一天电采暖负 荷的初步预测， 同时考虑预测结果的较大误差， 建立多 元经验模态分解 ‑长短期记忆神经网 络的误差修 正模型对预测结果进行修 正， 提高电采暖负荷预测精度。 [0004]现有技术的缺陷和不足： [0005]1.现有关于短期电采暖负荷预测方法的研究相对较少， 且大多直接利用统计方法 或神经网络建立主要影响因素和电采暖负荷之间的映射关系， 从而完成预测。 但是这些方 法大多忽略了相 邻两天相同时刻电采暖负荷数据之 间的变化规律， 未能充分挖掘电采暖负 荷数据内部的关联关系。 [0006]2.电采暖负荷受到天气、 气温、 环境等多种因素的影响， 这使得任何准确的电采暖 负荷预测方法的预测结果 都会存在一定的误差， 误差信息体现在电采暖负荷实际值与预测 值之间测差值中。 现有方法大多 忽略了这些误差信息， 使得 预测精度有 待进一步改善。 发明内容 [0007]本发明的目的在于克服现有技术的不足之处， 提供一种基于概率建模和误差修正 的电采暖负荷预测方法， 该预测方法能够充分挖掘电采暖负荷数据内部关联关系和预测误 差信息， 有效提高提高电采暖负荷预测精度。 [0008]一种基于概 率建模和误差修 正的电采暖负荷预测方法， 包括以下步骤： [0009]步骤1： 基于电采暖负荷历史数据建立相邻两天相同时刻负荷变化量和前一天负 荷数据的关联概 率模型； [0010]步骤2： 采用直方图模型表征不同负荷波动区间下负荷变化 量的实际分布；说　明　书 1/4 页 3 CN 115511173 A 3