[发明专利]融合温度特征的电网电量预测方法、装置、介质及终端

权利要求书

1.一种融合温度特征的电网电量预测方法，其特征在于，包括：

获取电网的原始电量数据和原始温度数据；

预处理所述原始电量数据和原始温度数据，以获得标准电量数据和融合温度数据；

基于所述标准电量数据和融合温度数据建立向量自回归模型；

采用所述向量自回归模型向前滚动预测，以获得电网的预测电量数据。

2.根据权利要求1所述的预测方法，其特征在于，所述原始电量数据和原始温度数据的预处理方式包括：

消除并均值补全所述原始电量数据和原始温度数据的异常值和缺失值，以获得所述标准电量数据和标准温度数据；

将所述标准电量数据映射到所述标准温度数据的变化范围内以获得归一化标准电量数据。

3.根据权利要求2所述的预测方法，其特征在于，所述方法包括：

计算固定窗下的归一化标准电量数据序列与对应的标准温度数据序列的相关系数，以获取与所述归一化标准电量数据序列对应的最相关温度数据序列；

将所述最相关温度数据序列依时间顺序进行排列合并，以获得所述融合温度数据。

4.根据权利要求3所述的预测方法，其特征在于，所述温度数据包括日低温数据和日高温数据；所述方法包括：

分别计算所述标准电量数据序列与对应的日低温数据序列和日高温数据序列的相关系数，以获取所述最相关温度数据序列。

5.根据权利要求1所述的预测方法，其特征在于，所述方法包括：检验所述标准电量数据和所述融合温度数据的序列平稳性，并对其中非平稳的序列进行平稳化处理。

6.根据权利要求1所述的预测方法，其特征在于，所述向量自回归模型的建立方式包括：

采用最小二乘法求解所述模型的参数；并基于贝叶斯信息准则确定所述模型的最优滞后阶数，以建立所述向量自回归模型。

7.根据权利要求1所述的预测方法，其特征在于，所述向量自回归模型的建立方式包括：

采用最大似然估计求解所述模型的参数；并基于贝叶斯信息准则确定所述模型的最优滞后阶数，以建立所述向量自回归模型。

8.一种融合温度特征的电网电量预测装置，其特征在于，包括：

数据获取模块，用于获取电网的原始电量数据和原始温度数据；

数据预处理模块，用于预处理所述原始电量数据和原始温度数据，以获得标准电量数据和融合温度数据；

模型建立模块，用于基于所述标准电量数据和融合温度数据建立向量自回归模型；

滚动预测模块，用于采用所述向量自回归模型向前滚动预测，以获得电网的预测电量数据。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述融合温度特征的电网电量预测方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述融合温度特征的电网电量预测方法。