(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 202111624204.9 (22)申请日 2021.12.28 (71)申请人 宁夏隆基宁光仪表 股份有限公司 地址 750001 宁夏回族自治区银川市宁 夏 银川 （国家级） 经济技术开 发区光明路 25号 (72)发明人 常兴智　张军　金鹏　马鑫　 王佳琦　陈梦君　余发荣　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 代理人 逯长明　许伟群 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于智能融合终端的分布式负荷预测 方法及系统 (57)摘要 本申请涉及智能电网配电物联网技术领域， 尤其涉及一种基于智能融合终端的分布式负荷 预测方法及系统， 该方法包括： 获取不同台区的 负荷预测模 型样本数据； 根据负荷预测模型样本 数据对若干待用负荷预测模型进行训练， 并对其 进行评估， 确定最优负荷预测模型， 再将最优负 荷预测模型部署至各个台区进行负荷预测， 得到 负荷预测结果。 该系统包括用于采集信息的台区 智能融合终端单元； 用于确定最优负荷预测模型 的负荷预测模 型迭代单元。 该方法及系统使用负 荷预测模型样本数据， 采用分布式部署的负荷预 测模型， 对台区内的用电负荷进行预测， 使得各 个台区负荷预测达到专区专测的目的， 可以进行 实时性更强、 准确性更高的电网负荷预测及负荷 控制。 权利要求书1页 说明书4页 附图4页 CN 114282444 A 2022.04.05 CN 114282444 A 1.一种基于智能融合终端的分布式负荷预测方法， 其特 征在于， 所述方法包括： 采集每日台区基本信 息和每日负荷信 息， 并将所述每日台区基本信 息和所述每日负荷 信息上传至云端； 由所述云端根据所述每日台区基本信息、 所述每日负荷信息、 当日特征信息及各个台 区的用户的用户特 征信息得到不同台区的负荷预测模型样本数据； 根据所述负荷预测模型样本数据对若干待用负荷预测模型进行训练； 按照预设时间对若干所述待用负荷预测模型进行评估， 确定最优负荷预测模型； 将所述最优负荷预测模型部署至各个所述台区， 使用所述最优负荷预测模型对所述台 区进行负荷预测， 得到负荷预测结果。 2.根据权利要求1所述的基于智能融合终端的分布式负荷预测方法， 其特征在于， 所述 方法还包括： 若某一所述台区的所述负荷预测结果超出预设阈值范围， 则将所述负荷预测结果上传 至所述云端， 所述云端根据所述负荷预测结果进行决策处 理。 3.根据权利要求1所述的基于智能融合终端的分布式负荷预测方法， 其特征在于， 所述 每日台区基本信息包括： 电价信息、 日负荷曲线、 所述台区的地理位置信息 。 4.根据权利要求1所述的基于智能融合终端的分布式负荷预测方法， 其特征在于， 所述 当日特征信息包括： 月、 日、 星期、 是否是法定节假日、 天气状况、 气温、 湿度、 是否是法定节 假日的前一天、 是否是法定节假日的后一天。 5.根据权利要求1所述的基于智能融合终端的分布式负荷预测方法， 其特征在于， 所述 用户特征信息包括： 用户的每天用电量均值、 每天用电量中位数和每天用电量方差 。 6.根据权利要求1所述的基于智能融合终端的分布式负荷预测方法， 其特征在于， 所述 待用负荷预测模型包括基于LSTM、 CS ‑LSTM、 GRU和CS ‑GRU的神经网络模型。 7.一种基于智能融合终端的分布式负荷预测系统， 其特 征在于， 所述系统包括： 台区智能融合终端单 元， 用于采集台区每日负荷信息、 每日台区基本信息； 负荷预测模型迭代单元， 用于根据 各个台区的负荷历史数据集进行分布式动态负荷预 测模型的迭代更新， 并对所述负荷预测模型在预设时间进行评估， 确定最优负荷预测模型， 将所述最优负荷预测模型 下发到各个所述台区智能融合终端单 元， 实现分布式负荷预测。 8.根据权利要求7所述的基于智能融合终端的分布式负荷预测系统， 其特征在于， 所述 台区智能融合终端单元还用于： 接 收并部署所述最优负荷预测模型， 使用所述最优负荷预 测模型对所述台区进行负荷预测， 得到负荷预测结果， 并将超出预设阈值范围的所述负荷 预测结果上传至云端。权　利　要　求　书 1/1 页 2 CN 114282444 A 2一种基于智能融合终端的分布式负荷预测方 法及系统 技术领域 [0001]本申请涉及智能电网配电物联 网技术领域， 尤其涉及一种基于智能融合终端的分 布式负荷预测方法及系统。 背景技术 [0002]随着物联网技术的不断发展， 越来越多的设备接入到电力网络中， 云端采集主站 运行压力与日俱增。 新能源设备接入越来越多， 实时性更强、 准确性更高的负荷预测及负荷 控制对电网精准调控和电网安全有着重要意 义。 [0003]在此情形下， 基于智能融合终端构建电力物联 网边缘计算网格， 实现低延时、 高可 靠的负荷预测迫在眉睫。 发明内容 [0004]本申请提供了一种基于智能融合终端的分布式负荷预测方法及系统， 以解决传统 方式在进行电网负荷预测及负荷控制时实时性及准确性 不足的问题。 [0005]本申请解决上述 技术问题所采取的技 术方案如下： [0006]第一方面， 本申请提供一种基于智能融合终端的分布式负荷预测方法， 所述方法 包括： [0007]采集每日台区基本信息和每日负荷信息， 并将所述每日台区基本信息和所述每日 负荷信息上传至云端； [0008]由所述云端根据所述每日台区基本信息、 所述每日负荷信息、 当日特征信息及各 个台区的用户的用户特 征信息得到不同台区的负荷预测模型样本数据； [0009]根据所述负荷预测模型样本数据对若干待用负荷预测模型进行训练； [0010]按照预设时间对若干所述待用负荷预测模型进行评估， 确定最优负荷预测模型； [0011]将所述最优负荷预测模型部署至各个所述台区， 使用所述最优负荷预测模型对所 述台区进行负荷预测， 得到负荷预测结果。 [0012]进一步的， 所述方法还 包括： [0013]若某一所述台区的所述负荷预测结果超出预设阈值范围， 则将所述负荷预测结果 上传至所述云端， 所述云端根据所述负荷预测结果进行决策处 理。 [0014]进一步的， 所述每日台区基本信息包括： 电价信息、 日负荷曲线、 所述台区的地理 位置信息 。 [0015]进一步的， 所述当日特征信息包括： 月、 日、 星期、 是否是法定节假日、 天气状况、 气 温、 湿度、 是否是法定节假日的前一天、 是否是法定节假日的后一天。 [0016]进一步的， 所述用户特征信息包括： 用户的每天用电量均值、 每天用电量中位数和 每天用电量方差 。 [0017]进一步的， 所述待用负荷预测模型包括基于LSTM、 CS ‑LSTM、 GRU和CS ‑GRU的神经网 络模型。说　明　书 1/4 页 3 CN 114282444 A 3