(19)中华 人民共和国 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 202111594894.8 (22)申请日 2021.12.23 (71)申请人 国网河北省电力有限公司营销服 务 中心 地址 050035 河北省石家庄市高新区湘江 道与兴安大街交口南行100米路西电 力科技园院内C座 申请人 国家电网有限公司 　 国网河北省电力有限公司 　 北京清软创新科技股份有限公司 (72)发明人 张凯　郭威　何胜　魏新杰　刘梅　 罗欣　 (74)专利代理 机构 石家庄国为知识产权事务所 13120 代理人 张贵勤(51)Int.Cl. H02J 3/00(2006.01) G06N 20/00(2019.01) (54)发明名称 电网全景智能分析 预测方法 (57)摘要 本发明提供了一种电网全景智能分析预测 方法， 包括步骤： 获取影 响因素数据； 对影 响因素 数据进行标准化处理， 获取标准化因素数据； 获 取电力需求预测数据； 根据所述电力需求预测数 据匹配预测算法； 根据所述标准化因素数据和所 述预测算法获取测算结果； 其中， 所述影响因素 数据包括日期数据、 地理位置数据、 电力需求数 据、 经济数据和气象数据中的至少一种； 所述预 测算法分为时间序列类预测算法和人工智能类 算法。 本发 明使得预测算法库基本涵盖各类场景 的预测， 提升预测工作的全面性与适用性， 继而 能全面准确的分析 预测用电负荷。 权利要求书2页 说明书6页 附图1页 CN 114268096 A 2022.04.01 CN 114268096 A 1.一种电网全景智能分析 预测方法， 其特 征在于， 包括如下步骤： 获取影响因素 数据； 对影响因素 数据进行 标准化处理， 获取标准化因素数据； 获取电力需求预测数据； 根据所述电力需求预测数据匹配预测算法； 根据所述标准 化因素数据和所述预测算法获取测算结果； 其中， 所述影响因素数据包括日期数据、 地理位置数据、 电力需求数据、 经济数据和气 象数据中的至少一种； 所述预测算法分为时间序列类预测算法和人工智能类算法。 2.如权利要求1所述的电网全景智能分析预测方法， 其特征在于， 所述 时间序列类预测 算法包括多个分支方法， 所述分支方法分为回归分析法、 时间序列方法和灰色系统法。 3.如权利要求1所述的电网全景智能分析预测方法， 其特征在于， 所述人工智能类算法 包括多个分支方法， 所述分支方法分为GBDT算法、 XGBo ost算法和L ightGBM算法。 4.如权利要求2或3所述的 电网全景智能分析预测方法， 其特征在于， 所述电网全景智 能分析预测方法还 包括建立自适应训练机制。 5.如权利要求4所述的电网全景智能分析预测方法， 其特征在于， 所述建立自适应训练 机制具体包括： A、 获取预定参数， 根据所述预定参数进行虚拟预测， 获得虚拟预测数据； B、 获取历史真实数据， 根据所述虚拟预测数据和所述历史真实数据获取误差数值； C、 在预设范围内调整所述预定参数， 直至所述误差数值最小， 所述误差数值最小的模 型定义为初始模型； D、 循环步骤A～步骤D， 直至获取同一类所述预测算法中全部所述分支方法的初始模 型； F、 在全部所述初始模型中进行筛 选， 获得筛分模型； G、 获取预设权值， 根据所述预设权值和所述筛分模型获取综合模型。 6.如权利要求5所述的电网全景智能分析预测方法， 其特征在于， 所述预定参数包括日 期参数、 地理位置参数、 电力需求参数、 经济参数和气象参数中的至少一种， 所述预定参数 还包括待测时段参数和历史相似时段参数。 7.如权利要求5所述的电网全景智能分析预测方法， 其特征在于， 获取所述权值具体包 括： 通过权值平均组合法、 方差分析法和最优权 重法中的至少一种获取 所述权值。 8.如权利要求5所述的电网全景智能分析 预测方法， 其特 征在于， 步骤F 具体包括： 统计分析 各个所述初始模型的准确率； 若所述准确率高于预设值， 则判断对应的所述初始模型为筛分模型； 否则， 拒绝采用对应的所述初始模型。 9.如权利要求5所述的电网全景智能分析预测方法， 其特征在于， 所述在预设范围内调 整所述预定参数， 具体包括： 若所述误差数值减小， 则判断该调整 有效； 否则， 判断该调整无效。 10.如权利要求5所述的电网全景智能分析预测方法， 其特征在于， 所述误差数值为所权　利　要　求　书 1/2 页 2 CN 114268096 A 2述虚拟预测数据和所述历史真实数据的差值。权　利　要　求　书 2/2 页 3 CN 114268096 A 3