[发明专利]一种基于Q-learning的负荷综合预测方法和相关设备

说明书

本申请实施例公开了一种基于Q‑learning的负荷综合预测方法和相关设备，方法包括：获取影响负荷的若干组基础预测参数集，并对其进行标幺化处理和离散化处理，作为环境状态；获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；将负荷预测值和负荷实际值的平方根偏差作为回报函数；根据环境状态、动作空间和回报函数构建预测智能体；基于Q‑learning对预测智能体进行训练；将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。通过将Q强化学习应用于负荷综合预测中，设计了环境状态、动作空间和回报函数，使得所选择预测方法和权重值均可以随基础预测参数而改变，解决了现有的单个预测方法适应性差问题。

技术领域

本申请涉及电力负荷预测技术领域，尤其涉及一种基于Q-learning的负荷综合预测方法和相关设备。

背景技术

中长期负荷预测是电力系统调度运行中重要的基础数据信息，其预测准确率直接影响到中长期电力电量平衡分析、检修计划安排等运行方式安排内容。为提升中长期负荷预测的准确率，当前学术界与工业界开展了大量研究与实践，其基本思路是采用不同预测方法研究负荷与气象、经济等基础信息之间的相互关系，在此基础上根据不同预测方法的预测效果构建综合预测模型，以实现对中长期负荷的准确预测。

在预测方法研究层面，当前中长期负荷预测中所采用的方法种类众多，不同预测方法所反映的负荷与预测基础信息的特性规律不同，预测方法的精度受预测基础信息影响显著，当预测基础信息变化时，所适用的预测方法不同。

因此，需要提出一种负荷综合预测方法，解决现有的单个预测方法的适应性差问题。

发明内容

本申请实施例提供了一种基于Q-learning的负荷综合预测方法和相关设备，解决现有的单个预测方法适应性差问题

有鉴于此，本申请第一方面提供了一种基于Q-learning的负荷综合预测方法，包括：

获取影响负荷的若干组基础预测参数集，并对所述基础预测参数集进行标幺化处理和离散化处理，作为环境状态；

获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；

将负荷预测值和负荷实际值的平方根偏差作为回报函数；

根据所述环境状态、所述动作空间和所述回报函数构建预测智能体；

基于Q-learning对所述预测智能体进行训练；

将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。

优选的，所述对所述基础预测参数集进行标幺化处理的标幺化公式为：

其中，基础预测参数集表示为分别为第i项基础预测参数在时段t的标幺值和实际值，分别为基础预测参数的最大、最小取值。

优选的，所述回报函数的公式为：

其中，P_t^F、P_t^R分别为时段t的负荷预测值和负荷实际值；为负荷预测方法i的权重离散值，NI为负荷预测方法的数量；为正负偏差，λ为正负偏差系数。

优选的，基础预测参数集和/或所述基础参数包括：温度、风力、降水等气象信息，GDP、居民可支配收入、PPI。

本申请第二方面提供一种基于Q-learning的负荷综合预测装置，包括：

环境状态获取单元，用于获取影响负荷的若干组基础预测参数集，并对其进行标幺化和离散化处理，作为环境状态；