(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111571845.2 (22)申请日 2021.12.21 (71)申请人 青岛鼎信通讯股份有限公司 地址 266000 山东省青岛市高新区华 贯路 858号4B楼12层 申请人 青岛鼎信通讯科技有限公司 (72)发明人 葛玉磊　王文刚　张杰　张东升　 郑耀汉　侯胜坤　 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06F 16/21(2019.01) G06F 30/20(2020.01) G06F 17/18(2006.01) (54)发明名称 一种基于台区融合终端历史数据的负荷预 测方法 (57)摘要 本发明公开了一种基于台区融合终端历史 数据的负荷预测方法， 本发明的负荷预测方法根 据台区融合终端已有历史数据， 对 数据进行短期 和长期建模分析， 依据历史数据曲线走势， 对未 来负荷进行精准预测， 为未来台区状态风险预测 提供数据依据， 提高运维工作精准度。 本发明在 原有硬件基础上进行软件的创新性的开发， 不增 加原有产品成本， 依存原有采集数据进行汇总， 绘制负荷历史数据曲线， 根据曲线趋势对未来负 荷使用情况进行精准预测， 增加产品边缘计算能 力， 显著改善电力工作运维难度。 权利要求书1页 说明书3页 附图3页 CN 114298388 A 2022.04.08 CN 114298388 A 1.一种基于台区融合终端历史数据的负荷预测方法， 其特征在于， 包括数据模型建立 算法和数据处 理算法两 部分构成。 2.根据权利要求1所述数据模型建立算法， 其特征在于， 包括线性数据模型算法和最小 二乘曲线数据模型算法两 部分。 3.根据权利要求1所述的数据处理算法， 其特征在于， 包含数据库历史数据读取算法， MQTT消息接收解析算法和MQT T消息发送算法三部分。 4.根据权利要求2中线性数据模型算法， 其特征在于， 使用少数历史数据点， 进行线性 建模， 通过线性模型发展趋势， 预测未来短期时间节点数据。 5.根据权利要求2中小二乘曲线数据模型算法， 其特征在于， 使用大量历史数据点， 进 行最小二乘曲线数据建模， 通过模型发展趋势， 预测未来长期时间节点数据。 6.据权利要求3所述的数据库历史数据读取算法， 其特征在于， 使用对应的SQL语法， 对 数据存储数据库进行时间和特征字筛选， 选择历史负荷数据， 加载负荷数据， 用于模型建 立。 7.据权利要求3所述的MQTT消息接收解析算法， 其特征在于， 接收到指定主题消息， 进 行解析， 根据需求 不同， 将对应的配置数据进行配置 。 8.据权利要求3所述的MQTT消息发送算法， 其特征在于， 将计算后的预测 负荷数据打包 成指定的格式， 按照指定主题进行发送。权　利　要　求　书 1/1 页 2 CN 114298388 A 2一种基于台区融合终端历史数据的负荷预测方 法 技术领域 [0001]本发明涉及营配融合及新兴业务的智能终端技术领域， 特别是一种配电业务的台 区智能融合终端。 背景技术 [0002]电网的负荷预测工作是电力公司调控中心近年来越来越重视的一项重要任务， 它 不仅是对地区电力市场需求的预测， 还 是地方经济发展的一个重要标志， 因此， 在科技 飞速 发展的今天， 如何利用电力系统现代化的管理， 提高负荷预测的准确性 就显得尤为重要。 [0003]智能融合终端作为智慧电网物联体系 “云管边端 ”架构中的边， 具备信息采集、 历 史存储、 数据边缘计算等功能， 在智慧电网中信息采集及汇总有着 举足轻重的作用， 因此研 究一种基于台区融合终端历史数据的负荷预测方法有着重要的意 义； [0004]根据 《台区智能融合终端相关技术规范+第一部分： 架构及功能》 要求， 台区负荷预 测APP， 综合统计配变历史负荷数据台区用电数据、 历史负荷曲线， 采用 神经网络无监督学 习等分析手段， 在对配变台区历史负荷数据、 气象因素、 节 假日以及特殊事件等信息 分析的 基础上， 挖掘配变负荷变化规律， 建立预测模型确定计算 公式及权重参数， 根据台区事实运 行数据， 利用边 缘计算算例， 分析 可能存在的重过 载发生事 件， 提高运维工作精准度。 发明内容 [0005]本发明旨在建立多种数据解析模型， 通过读取台区融合终端的历史数据， 使用不 同数据模型解析， 提供一种对未来的负荷数据进行精准预测的方案 。 [0006]本发明通过以下技术方案进行实现： 一种基于台区融合终端历史数据的负荷预测 方法包括数据模型建立和数据处理两部 分构成。 其中数据模型建立分为线性数据模型和最 小二乘曲线数据模型。 通过这两种 数据模型可以实现对短期、 长期历史数据变化进行精准 建模， 生成负荷曲线。 数据处理部分读取历史数据， 以及MQTT设置参数， 合理的选择数据曲 线模型， 利用曲线模型对未来时刻的负荷进行精准预测。 [0007]数据模型的建立， 分短期， 长期两种方式， 其中短期模型采用线性数据模型， 将历 史中存在的两点通过时间间隔， 产生的线性关系， 拟合 成对应的曲线关系， 即y＝kx， 进 行拟 合， 使用两点值， 计算得出k值， 从而得到两点的线性关系。 短期负荷可以采用线性关联方式 进行预测， 此方法使用线性关系， 只能预测相邻日期内， 相同时间段内的数据， 此模型线性 关系强， 但是对长期数据的预测， 局限性比较大。 [0008]负荷预测长期模型采用最小二乘法曲线进行数据拟合， 根据给定的m个点,并不要 求这条曲线精确地经过这些点， 而是曲线y＝f(x)的近似曲线y＝φ(x)。 给定数据点pi(xi, yi)， 其中i＝1,2, …,m。 求近似曲线y＝φ(x)。 并且使 得近似曲线与y＝f(x)的偏差最小。 近 似曲线在点pi处的偏差δi＝φ(xi) ‑y， i＝1,2,...,m。 按偏差平方和最小的原则选取拟合 曲线就是最小二乘法曲线拟合的方式。 [0009]数据处理部分主要是读取历史数据库 中的曲线数据， 将曲线数据进行读取， 将历说　明　书 1/3 页 3 CN 114298388 A 3