基于深度學習的負荷預測系統
近日，山(shān)東海興電(diàn)力申報的“基于深度學習的負荷預測系統V1.0”順利通(tōng)過國家(jiā)版權局的嚴格審查，正式獲得(de)計(jì)算(suàn)機軟件著作(zuò)權登記證書(shū)。
新型電(diàn)力系統挑戰
為(wèi)實現“雙碳”戰略目标，光伏、風電(diàn)等新能源電(diàn)力正迎來(lái)大(dà)發展，能源領域将進入新型電(diàn)力系統時(shí)代。
新型電(diàn)力系統背景下，電(diàn)源與負荷深度融合、相互滲透，傳統意義上(shàng)的負荷已不複存在：負荷即電(diàn)源、電(diàn)源即負荷。
新型電(diàn)力系統具有(yǒu)“雙高(gāo)”“雙峰”的特點，光伏風電(diàn)等高(gāo)比例可(kě)再生(shēng)能源接入為(wèi)電(diàn)力系統負荷預測帶來(lái)新的挑戰。
高(gāo)比例新能源電(diàn)力的間(jiān)歇性和(hé)不确定性成為(wèi)影(yǐng)響負荷預測準确性的主要因素。
DLLF主要功能
基于深度學習的負荷預測系統（DLLF） 是新型電(diàn)力系統背景下的短(duǎn)期負荷預測系統，應用于地區(qū)（市）級調度部門(mén)對系統負荷和(hé)母線負荷進行(xíng)準确預測。
DLLF 基于深度學習長短(duǎn)期記憶（LSTM）網絡模型，在曆史負荷數(shù)據的基礎上(shàng)，充分考慮其他相關因素包括天氣、日期類型、節假日、鋼價等，能夠準确預測含有(yǒu)高(gāo)滲透率光伏風電(diàn)和(hé)鋼廠沖擊性負荷的地區(qū)（市）系統負荷和(hé)母線負荷。主要功能包括：
電(diàn)網建模
1.針對區(qū)域電(diàn)網，不同電(diàn)壓等級下的母線信息，包括母線名稱、主變名稱、母線ID等。
2.針對任一母線，主變低(dī)壓側所鏈接線路信息，包括線路名稱、電(diàn)壓等級、線路ID等。
LSTM負荷預測模型的構建、訓練及發布
1.預測用曆史負荷數(shù)據窗長度。
2.LSTM 數(shù)據模型步長。
3.模型訓練所用曆史數(shù)據天數(shù)。
4.特征量的個(gè)數(shù)。
5.基于母線和(hé)線路負荷特點的 差異性LSTM 數(shù)據模型選取。
曆史負荷數(shù)據和(hé)特征量接入
1.曆史負荷數(shù)據的自動獲取。
2.特征量的自動獲取。
3.曆史負荷數(shù)據的手動導入。
4.特征量的手動輸入。
DLLF技(jì)術(shù)特點
山(shān)東海興電(diàn)力以提高(gāo)短(duǎn)期負荷預測精确度為(wèi)目标，開(kāi)展了基于深度學習負荷預測研究，優化了負荷預測算(suàn)法，實現了調度精益化“管理(lǐ)”。系統充分考慮了源荷兩端的制(zhì)約因素，研究出相适應的負荷預測模型，開(kāi)發了适用于系統負荷預測和(hé)母線負荷預測的應用系統，為(wèi)電(diàn)網安全、穩定運行(xíng)提供了可(kě)信的負荷預測數(shù)據，保障電(diàn)力供需平衡。主要技(jì)術(shù)特點包括：
1. 基于先進的深度學習（DL）長短(duǎn)期記憶（LSTM）網絡模型。
2. 預測模型在線訓練、自動更新。
3. 預測方法差異化、精細化。
4. 定時(shí)自動預測、結果自動上(shàng)傳。
5. 适用于含有(yǒu)高(gāo)滲透率光伏風電(diàn)/鋼廠沖擊性負荷的地區(qū)（市）負荷。
作(zuò)為(wèi)一家(jiā)電(diàn)力大(dà)數(shù)據公司，自成立一直以來(lái)，山(shān)東海興電(diàn)力在“成為(wèi)國內(nèi)領先的電(diàn)力軟件企業”的美好願景感召下，以智能電(diàn)網為(wèi)研究方向，積極開(kāi)展電(diàn)力軟件的科研投入及成果轉化工作(zuò)，不斷完善知識産權保護體(tǐ)系，為(wèi)公司的創新發展保駕護航。
