基于深度學習的負荷預測系統
近日，山東海興電力申報的“基于深度學習的負荷預測系統V1.0”順利通過國家版權局的嚴格審查，正式獲得計算機軟件著作權登記證書。
新型電力系統挑戰
為實現“雙碳”戰略目標，光伏、風電等新能源電力正迎來大發展，能源領域將進入新型電力系統時代。
新型電力系統背景下，電源與負荷深度融合、相互滲透，傳統意義上的負荷已不復存在：負荷即電源、電源即負荷。
新型電力系統具有“雙高”“雙峰”的特點，光伏風電等高比例可再生能源接入為電力系統負荷預測帶來新的挑戰。
高比例新能源電力的間歇性和不確定性成為影響負荷預測準確性的主要因素。
DLLF主要功能
基于深度學習的負荷預測系統（DLLF） 是新型電力系統背景下的短期負荷預測系統，應用于地區（市）級調度部門對系統負荷和母線負荷進行準確預測。
DLLF 基于深度學習長短期記憶（LSTM）網絡模型，在歷史負荷數據的基礎上，充分考慮其他相關因素包括天氣、日期類型、節假日、鋼價等，能夠準確預測含有高滲透率光伏風電和鋼廠沖擊性負荷的地區（市）系統負荷和母線負荷。主要功能包括：
電網建模
1.針對區域電網，不同電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，主變低壓側所鏈接線路信息，包括線路名稱、電壓等級、線路ID等。
LSTM負荷預測模型的構建、訓練及發布
1.預測用歷史負荷數據窗長度。
2.LSTM 數據模型步長。
3.模型訓練所用歷史數據天數。
4.特征量的個數。
5.基于母線和線路負荷特點的 差異性LSTM 數據模型選取。
歷史負荷數據和特征量接入
1.歷史負荷數據的自動獲取。
2.特征量的自動獲取。
3.歷史負荷數據的手動導入。
4.特征量的手動輸入。
DLLF技術特點
山東海興電力以提高短期負荷預測精確度為目標，開展了基于深度學習負荷預測研究，優化了負荷預測算法，實現了調度精益化“管理”。系統充分考慮了源荷兩端的制約因素，研究出相適應的負荷預測模型，開發了適用于系統負荷預測和母線負荷預測的應用系統，為電網安全、穩定運行提供了可信的負荷預測數據，保障電力供需平衡。主要技術特點包括：
1. 基于先進的深度學習（DL）長短期記憶（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. 定時自動預測、結果自動上傳。
5. 適用于含有高滲透率光伏風電/鋼廠沖擊性負荷的地區（市）負荷。
作為一家電力大數據公司，自成立一直以來，山東海興電力在“成為國內領先的電力軟件企業”的美好愿景感召下，以智能電網為研究方向，積極開展電力軟件的科研投入及成果轉化工作，不斷完善知識產權保護體系，為公司的創新發展保駕護航。
