(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 202111517609.2 (22)申请日 2021.12.13 (71)申请人 长沙理工大 学 地址 410114 湖南省长 沙市天心区万家丽 南路二段96 0号 (72)发明人 王媛媛　孙山峰　李毓洋　黄靖杰　 蔡晔　 (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 王晓芬 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 工业企业电力负荷预测方法、 装置、 电子设 备及存储介质 (57)摘要 本申请公开了一种工业企业电力负荷预测 方法、 装置、 电子设备及可读存储介质。 其中， 方 法包括对待预测工业企业的电力负荷实测数据 集进行分解， 得到多个波动子序列； 根据负荷影 响因素数据和每个波动子序列对应的负荷数据 特征集， 为每个波动子序列生 成相应的输入特征 集； 对每个波动子序列， 利用 构建的预测子模型 对相应的输入 特征集中的目标特征进行预测； 根 据各预测子模型的预测结果确定待测工业企业 的负荷预测值， 从而可有效提高工业企业电力负 荷的预测精准度。 权利要求书2页 说明书15页 附图3页 CN 115374988 A 2022.11.22 CN 115374988 A 1.一种工业企业电力负荷预测方法， 其特 征在于， 包括： 对待预测工业企业的电力负荷实测数据集进行分解， 得到多个波动子序列； 根据负荷影响因素数据和每个波动子序列对应的负荷数据 特征集， 为每个波动子序列 生成相应的输入特 征集； 对每个波动子序列， 利用构建的预测子模型对相应的输入特征集中的目标特征进行预 测； 根据各预测子模型的预测结果确定所述待测工业企业的负荷预测值。 2.根据权利要求1所述的工业企业电力负荷预测方法， 其特征在于， 所述对待预测工业 企业的电力负荷实测数据集进行分解， 得到多个波动子序列， 包括： 利用经验 模态分解方法计算所述电力负荷实测数据集的分解层数； 将所述分解层数赋予变分模态分解方法， 利用所述变分模态分解方法对所述电力负荷 实测数据集进行分解， 得到多个波动子序列。 3.根据权利要求2所述的工业企业电力负荷预测方法， 其特征在于， 所述对待预测工业 企业的电力负荷实测数据集进行分解之前， 还 包括： 按照预设采样频率采集待预测工业企业在预设时间段内的有功 功率量测量数据； 若所述有功功率量测量数据中存在空缺数据， 获取所述空缺数据对应时刻在上一周期 同一时刻处的历史有功 功率量测量数据； 利用所述历史有功功率量测量数据填补所述空缺数据， 以生成所述电力负荷实测数据 集。 4.根据权利要求1所述的工业企业电力负荷预测方法， 其特征在于， 所述根据负荷影响 因素数据和每个波动子序列对应的负荷数据特征集， 为每个波动子序列生成相应的输入特 征集， 包括： 获取负荷影响因素数据， 根据 所述负荷影响因素数据所属数据类型构造负荷影响因素 特征； 利用滑动窗口法为每 个波动子序列构造负荷数据特 征集； 对每个波动子序列， 将所述负荷影响因素特征放入当前波动子序列的负荷数据 特征集 以生成相应的输入特 征集。 5.根据权利要求4所述的工业企业电力负荷预测方法， 其特征在于， 所述根据 所述负荷 影响因素 数据所属数据类型构造负荷影响因素 特征， 包括： 所述负荷影响因素 数据包括 生产设备启停时段 数据、 日历规则数据和温度数据； 采用独热编码方法分别处理所述生产设备启停时段数据和所述日历规则数据， 得到生 产设备启停特 征和时间特 征； 采用三次样条插值法对所述温度数据进行处 理， 得到温度特 征。 6.根据权利要求1至5任意一项所述的工业企业电力负荷预测方法， 其特征在于， 所述 对每个波动子序列， 利用构建的预测子模型对相应的输入特征集中的目标特征进 行预测包 括： 按照预设特 征剔除规则， 对每 个输入特 征集进行 特征剔除处 理， 得到目标 特征集； 对每个波动子序列， 将相应的目标特征集拆分为训练样本数据、 测试样本数据和验证 样本数据； 利用所述训练样本数据训练贝叶斯优化的梯度提升模型， 同时利用所述验证样权　利　要　求　书 1/2 页 2 CN 115374988 A 2本数据进行验证， 得到所述梯度提升模型 的目标模型参数， 以基于所述 目标模型参数确定 相应波动子序列的预测子模型； 对每个波动子序列， 将对应的测试样本数据输入至相应的预测子模型进行短期负荷预 测。 7.根据权利要求6所述的工业企业电力负荷预测方法， 其特征在于， 所述按照预设特征 剔除规则， 对每 个输入特 征集进行 特征剔除处 理， 得到目标 特征集， 包括： 分别计算各输入特 征集中各输入特 征的贡献度； 对每个输入特征集， 按照贡献度从大到小依次累加各输入特征的贡献度直至贡献度的 累加和值大于预设累加贡献度阈值， 删除未进行累加操作的输入特征， 得到相 应的初始目 标特征集； 对各初始目标特征集， 分别计算每两个输入特征所构成的特征组的相关性系数， 并剔 除相关性系数 大于预设相关性系数阈值的特 征组， 得到所述目标 特征集。 8.一种工业企业电力负荷预测装置， 其特 征在于， 包括： 数据分解模块， 用于对待预测工业企业的 电力负荷实测数据集进行分解， 得到多个波 动子序列； 输入特征构造模块， 用于根据负荷影响因素数据和每个波动子序列对应的负荷数据 特 征集， 为每 个波动子序列生成相应的输入特 征集； 子序列预测模块， 用于对每个波动子序列， 利用构建的预测子模型对相应的输入特征 集中的目标 特征进行预测； 短期负荷预测模块， 用于根据 各预测子模型的预测结果确定所述待测工业企业的负荷 预测值。 9.一种电子设备， 其特征在于， 包括处理器和存储器， 所述处理器用于执行所述存储器 中存储的计算机程序时实现如权利要求1至7任一项所述工业企业电力负荷预测方法的步 骤。 10.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处理器执行时实现如权利要求1至7任一项所述工业企业电力负荷预测方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115374988 A 3