基于深度学习的负荷预测系统
近日，山东海兴电力申报的“基于深度学习的负荷预测系统V1.0”顺利通过国家版权局的严格审查，正式获得计算机软件著作权登记证书。
新型电力系统挑战
为实现“双碳”战略目标，光伏、风电等新能源电力正迎来大发展，能源领域将进入新型电力系统时代。
新型电力系统背景下，电源与负荷深度融合、相互渗透，传统意义上的负荷已不复存在：负荷即电源、电源即负荷。
新型电力系统具有“双高”“双峰”的特点，光伏风电等高比例可再生能源接入为电力系统负荷预测带来新的挑战。
高比例新能源电力的间歇性和不确定性成为影响负荷预测准确性的主要因素。
DLLF主要功能
基于深度学习的负荷预测系统（DLLF） 是新型电力系统背景下的短期负荷预测系统，应用于地区（市）级调度部门对系统负荷和母线负荷进行准确预测。
DLLF 基于深度学习长短期记忆（LSTM）网络模型，在历史负荷数据的基础上，充分考虑其他相关因素包括天气、日期类型、节假日、钢价等，能够准确预测含有高渗透率光伏风电和钢厂冲击性负荷的地区（市）系统负荷和母线负荷。主要功能包括：
电网建模
1.针对区域电网，不同电压等级下的母线信息，包括母线名称、主变名称、母线ID等。
2.针对任一母线，主变低压侧所链接线路信息，包括线路名称、电压等级、线路ID等。
LSTM负荷预测模型的构建、训练及发布
1.预测用历史负荷数据窗长度。
2.LSTM 数据模型步长。
3.模型训练所用历史数据天数。
4.特征量的个数。
5.基于母线和线路负荷特点的 差异性LSTM 数据模型选取。
历史负荷数据和特征量接入
1.历史负荷数据的自动获取。
2.特征量的自动获取。
3.历史负荷数据的手动导入。
4.特征量的手动输入。
DLLF技术特点
山东海兴电力以提高短期负荷预测精确度为目标，开展了基于深度学习负荷预测研究，优化了负荷预测算法，实现了调度精益化“管理”。系统充分考虑了源荷两端的制约因素，研究出相适应的负荷预测模型，开发了适用于系统负荷预测和母线负荷预测的应用系统，为电网安全、稳定运行提供了可信的负荷预测数据，保障电力供需平衡。主要技术特点包括：
1. 基于先进的深度学习（DL）长短期记忆（LSTM）网络模型。
2. 预测模型在线训练、自动更新。
3. 预测方法差异化、精细化。
4. 定时自动预测、结果自动上传。
5. 适用于含有高渗透率光伏风电/钢厂冲击性负荷的地区（市）负荷。
作为一家电力大数据公司，自成立一直以来，山东海兴电力在“成为国内领先的电力软件企业”的美好愿景感召下，以智能电网为研究方向，积极开展电力软件的科研投入及成果转化工作，不断完善知识产权保护体系，为公司的创新发展保驾护航。
