(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 202210850307.5 (22)申请日 2022.07.20 (71)申请人 广东电网有限责任公司佛山供电局 地址 528000 广东省佛山市禅城区汾江南 路1号 (72)发明人 李伟　黄斐　周俊宇　杨勇　花洁　 亓玉国　易颜波　区伟潮　潘志涛　 陈辉　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 任文生 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) G06F 30/27(2020.01) H02J 3/00(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种基于负荷分解的节假日负荷预测方法 及系统 (57)摘要 本发明涉及大数据处理技术领域， 公开了一 种基于负荷分解的节假日负荷预测方法及系统， 其方法通过获取历史节假日负荷数据以及相关 联的气象数据， 构建历史负荷数据集， 采用GAN算 法对历史负荷数据集进行数据扩充， 还对历史节 假日负荷数据进行傅里叶变换， 得到负荷分量包 括历史基准负荷分量和历史气象影 响分量， 将历 史基准负荷分量通过Proph et时序预测算法对待 预测节假日的基准负荷分量进行预测， 将历史气 象影响分量进行集成预测， 得到待预测节假日的 集成气象影 响分量， 将待预测节 假日的基准负荷 分量和集 成气象影 响分量进行加和计算， 并对计 算结果进行傅里叶变换的逆运算， 得到待预测节 假日的负荷数据， 从而提高负荷预测效率和准确 性。 权利要求书5页 说明书12页 附图2页 CN 114925940 A 2022.08.19 CN 114925940 A 1.一种基于负荷分解的节假日负荷预测方法， 其特 征在于， 包括以下步骤： 获取历史节假日负荷数据以及相关联的气象数据， 构建历史负荷数据集； 采用GAN算法对所述历史负荷数据集进行 数据增强， 得到增强数据集； 对所述增强数据集中的历史节假日负荷数据进行傅里叶变换， 得到负荷分量， 所述负 荷分量包括历史基准负荷分量和历史气象影响分量； 将所述历史基准负荷分量通过Prophet时序预测算法对待预测节假日的基准负荷分量 进行预测； 将所述历史气象影响分量分别通过TCN+LightGBM算法、 LightGBM算法、 岭回归算法对 待预测节假日的气象影响分量进行预测， 得到相应的预测结果， 将所有预测结果进行加权 计算， 得到待预测节假日的集成气象影响分量； 将所述待预测节假日的基准负荷分量和所述待预测节假日的集成气象影响分量进行 加和计算， 得到待预测节假日的负荷分量； 对所述待预测节假日的负荷分量进行傅里叶变换的逆运算， 得到待预测节假日的负荷 数据。 2.根据权利要求1所述的基于负荷分解的节假日负荷预测方法， 其特征在于， 采用GAN 算法对所述历史负荷数据集进行 数据增强， 得到增强数据集的步骤具体包括： 随机生成一个噪声数据z作为随机变量输入至生成式对抗网络中的生成器中， 生成一 个与所述噪声数据映射的噪声数据z z； 将所述噪声数据zz输入至生成式对抗网络 中的判别器 中， 判断所述噪声数据zz是否接 近历史节假日负荷数据， 若判断所述噪声数据zz接近历史节假日负荷数据， 则将所述噪声 数据zz添加至所述历史负荷数据集， 若判断所述噪声数据zz不接近历史节假日负荷数据， 则返回至随机生成一个噪声数据z作为 随机变量输入至生成式对抗网络中的生成器中， 生 成一个与所述噪声数据映射的噪声数据z z的步骤。 3.根据权利要求1所述的基于负荷 分解的节假日负荷预测方法， 其特征在于， 对所述增 强数据集中的历史节假日负荷数据进行傅里叶变换， 得到负荷分量， 所述负荷分量包括历 史基准负荷分量和历史气象影响分量的步骤具体包括： 对所述增强数据集中的历史节假日负荷数据进行有限傅里叶变换， 记增强数据集为 ， N表示负荷数据总量， 则得到： 式中， 为增强数据集 的平均值， i表示第i个 ， 表示角 频率，权　利　要　求　书 1/5 页 2 CN 114925940 A 2根据负荷变化的周期性， 将增强数据集 重构为下式： 式中， 为日周期分量， 为周周期分量， 为低频分量， 为高频分 量； 其中 ， 为日周期谐波分量幅值的最大值； 将其中的日周期分量和周周期分量加和 处理， 得到周期负荷分量； 将其中的高频分量 和周期负荷分量加 和处理， 得到历史基准负荷分量； 将低频分量作为历史气象影响分量。 4.根据权利要求1所述的基于负荷 分解的节假日负荷预测方法， 其特征在于， 对所述增 强数据集中的历史节假日负荷数据进行傅里叶变换， 得到负荷分量， 所述负荷分量包括历 史基准负荷分量和历史气象影响分量之后包括： 采用皮尔逊相关系数计算所述历史气象影响分量与历史节假日负荷数据之间的相关 度， 筛选出相关度大于预设的相关度阈值的历史气象影响分量， 以用于对待预测节假日的 气象影响分量进行 预测， 其中， 皮尔逊相关系数计算公式为： 式中， r表示皮尔逊相关系数， 表示第i个气象影响分量， 表示所有气象影响分量权　利　要　求　书 2/5 页 3 CN 114925940 A 3