本发明涉及一种电力系统负荷预测，是一种基于多源时空信息分层关联的负荷时空分布预测方法、装置、存储介质及电子设备。
背景技术：
1、区域能源互联网负荷时空分布信息的准确性对规划部门和能源管理部门的决策具有重要的指导意义。随着社会信息化的迅速发展，特别是大数据时代的到来，大量的社会发展数据、经济数据、气象数据、地理信息、出租汽车运行轨迹数据、分布式光伏电源数据等数据资源的互通互联已成为现实，这为挖掘电动汽车运行数据、光伏电源装机数据与电网大数据中其他类型数据的关联关系提供了可能。特别是大量经济社会数据与光伏电源装机数据等关联密切，这种数据的关联与耦合蕴含着大量的知识与经济运行规律，具有重要的社会经济价值。
2、负荷与光伏电源时空分布预测的基础是数据，尤其是空间特征明显且相互关联的多源数据。然而，目前区域能源互联网多源数据的存储架构多是基于面向配电网的数据模型，这些多源数据在数据库中的逻辑关联是以设备台账为核心。在这种存储架构中，配电网运行数据、拓扑数据等与设备台账的逻辑距离较近，其存储与访问效率较高，但是数据规模更大、与负荷及光伏电源时空分布预测关联更为密切的用户用电数据、地理信息、出租汽车运行数据等却处于逻辑架构中较为边缘的地带，当此类数据出现大规模存取需求时可能会导致应用程序的效率明显降低。另外，区域能源互联网多源数据分为结构化数据和半/非结构化数据两大类。结构化数据信息提取方便且价值密度通常较高，半/非结构化数据信息提取通常相对复杂且价值密度较低，这种数据格式与应用价值的差异是区域能源互联网多源信息有效融合的一道壁垒。此外，现有的配电网地理信息系统通常将地理空间数据及其属性数据分开表达和存储，这将难以满足负荷及光伏电源时空分布预测对于区域能源互联网时空数据的一体化存取需求。
技术实现思路
1、本发明提供了一种基于多源时空信息分层关联的负荷时空分布预测方法、装置、存储介质及电子设备，克服了上述现有技术之不足，其能有效解决现有区域能源互联网大数据中分散的数据源，难以直接、高效地应用于负荷时空分布预测的问题。
2、本发明的技术方案之一是通过以下措施来实现的：一种基于多源时空信息分层关联的负荷时空分布预测方法，包括：
3、获取待预测区域的供电范围内的多源数据集合，将待预测区域的供电范围进行等面积网格化，且将每个网格记为电力元胞，其中多源数据包括电力企业量测数据、电力企业运营数据、电力企业外部数据；
4、将各个电力元胞分别输入多源时空信息分层关联模型，得到对应的固有属性和外部属性，其中固有属性包括电力元胞到周边公共设施的距离、电力元胞内各行业用户所占比例，和电力元胞历史负荷，外部属性包括在年度预测时的电力元胞所在区域内的年度gdp、人口数量和年平均气温，月度预测时的电力元胞内用户主要行业的景气指数、主要上游行业的景气指数和区域内的月平均气温，多源时空信息分层关联模型包括根据多源数据的数据类型将其划分至对应的数据层中，并将各个数据层中的数据进行网格或网络节点存储，且不同数据层之间通过位置相关性进行关联，得到多源时空信息分层关联数据集；
5、在负荷预测模型集合中选取对应的一个或多个负荷预测模型，输入电力元胞的固有属性和外部属性，得到各个电力元胞的负荷预测值，由此得到待预测区域的负荷时空分布预测结果，其中负荷预测模型集合中的每个负荷预测模型均是利用历史负荷数据与相关数据对稀疏最小二乘支持向量回归网络模型进行训练得到。
6、下面是对上述发明技术方案的进一步优化或/和改进：
7、上述多源时空信息分层关联模型的执行过程，包括：
8、对每个多源数据进行识别，确定各个多源数据的属性，其中属性包括来源、格式、采集时间和采集地点地理坐标及相关信息；
9、将各个多源数据的属性映射成标准统一的元数据格式，形成对应的元数据；
10、将各个元数据按照属性中的采集地点地理坐标平铺至对应的数据层中，并对各数据层进行网络化或网格化抽象，且在各节点、边或网格中存储相应采集地点地理坐标或时序数据。
11、上述将各个元数据按照属性中的采集地点地理坐标平铺至对应的数据层中，并对各数据层进行网络化或网格化抽象，且在各节点、边或网格中存储相应采集地点地理坐标或时序数据，包括：
12、将各个元数据按照属性中的采集地点地理坐标平铺至对应的数据层中，并对各数据层进行网络化或网格化抽象；
13、通过三维空间坐标系建立不同数据节点、边或网格之间的横向与纵向关联，其中x轴和y轴描述数据对应的空间位置，z轴描述数据的隶属层次，对于同一数据层中的数据节点、边或网格，通过相同的z轴坐标实现横向关联，并通过采集地点地理坐标的差异进行区分，对于不同数据层中的数据节点、边或网格，以采集地点地理坐标为核心实现数据间纵向关联，若沿z轴对不同数据层进行数据钻取。
14、上述负荷预测模型集合的构建过程，包括：
15、获取电力企业所有供电范围内的历史负荷数据与相关数据，并对电力企业的供电范围进行等面积网格化，且将每个网格记为电力元胞；
16、提取每个电力元胞的属性，其中属性包括固有属性和外部属性，固有属性包括电力元胞到周边公共设施的距离、电力元胞内各行业用户所占比例，和电力元胞历史负荷，外部属性包括在年度预测时的电力元胞所在区域内的年度gdp、人口数量和年平均气温，月度预测时的电力元胞内用户主要行业的景气指数、主要上游行业的景气指数和区域内的月平均气温；
17、将固有属性作为多级聚类的特征向量，使用k-means算法对电力元胞进行聚类分析，得到多个类别的元胞子集合；
18、基于各个元胞子集合对稀疏最小二乘支持向量回归网络模型进行训练，得到对应的负荷预测模型。
19、上述基于所述电力元胞的外部属性的不确定性，设置置信度条件，在置信度条件下输入电力元胞的固有属性和外部属性至负荷预测模型，对电力元胞的负荷预测，最终得到待预测区域的负荷时空分布预测结果。
20、本发明的技术方案之二是通过以下措施来实现的：一种基于多源时空信息分层关联的负荷时空分布预测装置，包括：
21、数据资源层，获取待预测区域的供电范围内的多源数据集合，将待预测区域的供电范围进行等面积网格化，且将每个网格记为电力元胞，其中多源数据包括电力企业量测数据、电力企业运营数据、电力企业外部数据；
22、数据处理层，将各个电力元胞分别输入多源时空信息分层关联模型，得到对应的固有属性和外部属性，其中固有属性包括电力元胞到周边公共设施的距离、电力元胞内各行业用户所占比例和电力元胞历史负荷，外部属性包括在年度预测时的电力元胞所在区域内的年度gdp、人口数量和年平均气温，月度预测时的电力元胞内用户主要行业的景气指数、主要上游行业的景气指数和区域内的月平均气温，多源时空信息分层关联模型包括根据多源数据的数据类型将其划分至对应的数据层中，并将各个数据层中的数据进行网格或网络节点存储，且不同数据层之间通过位置相关性进行关联，得到多源时空信息分层关联数据集；
23、数据仓库层，对数据处理层的处理结果进行存储；
24、数据应用层，在负荷预测模型集合中选取对应的一个或多个负荷预测模型，输入电力元胞的固有属性和外部属性，得到各个电力元胞的负荷预测值，由此得到待预测区域的负荷时空分布预测结果，其中负荷预测模型集合中的每个负荷预测模型均是利用历史负荷数据与相关数据对稀疏最小二乘支持向量回归网络模型进行训练得到。
25、下面是对上述发明技术方案的进一步优化或/和改进：
26、上述数据处理层，包括：
27、识别模块，对每个多源数据进行识别，确定各个多源数据的属性，其中属性包括来源、格式、采集时间和采集地点地理坐标；
28、元数据构建模块，将各个多源数据的属性映射成标准统一的元数据格式，形成对应的元数据；
29、网格/网络化模块，将各个元数据按照属性中的采集地点地理坐标平铺至对应的数据层中，并对各数据层进行网络化或网格化抽象；
30、关联模块，通过三维空间坐标系建立不同数据节点、边或网格之间的横向与纵向关联，其中x轴和y轴描述数据对应的空间位置，z轴描述数据的隶属层次，对于同一数据层中的数据节点、边或网格，通过相同的z轴坐标实现横向关联，并通过采集地点地理坐标的差异进行区分，对于不同数据层中的数据节点、边或网格，以采集地点地理坐标为核心实现数据间纵向关联，若沿z轴对不同数据层进行数据钻取。
31、上述数据应用层，包括：
32、模型构建模块，包括：获取电力企业所有供电范围内的历史负荷数据与相关数据，并对电力企业的供电范围进行等面积网格化，且将每个网格记为电力元胞；提取每个电力元胞的属性，其中属性包括固有属性和外部属性；将固有属性作为多级聚类的特征向量，使用k-means算法对电力元胞进行聚类分析，得到多个类别的元胞子集合；基于各个元胞子集合对稀疏最小二乘支持向量回归网络模型进行训练，得到对应的负荷预测模型；
33、预测模块，在负荷预测模型集合中选取对应的一个或多个负荷预测模型，输入电力元胞的固有属性和外部属性，得到各个电力元胞的负荷预测值，由此得到待预测区域的负荷时空分布预测结果，其中负荷预测模型集合中的每个负荷预测模型均是利用历史负荷数据与相关数据对稀疏最小二乘支持向量回归网络模型进行训练得到。
34、本发明基于多源时空信息分层关联模型分析多源数据的关联性，将用户用电负荷数据与区域电网网架拓扑、设备台账、地理信息、气象等数据进行不同程度的相互关联，为负荷空间分布特征分析提供坚实的大数据基础，进一步的通过聚类算法和稀疏最小二乘支持向量回归网络模型构建负荷预测模型，基于多源数据的关联性得到待预测区域的负荷时空分布预测结果，使得负荷时空分布预测结果更加准确。
1.一种基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，包括：
2.根据权利要求1所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，所述多源时空信息分层关联模型的执行过程，包括：
3.根据权利要求2所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，所述将各个元数据按照属性中的采集地点地理坐标平铺至对应的数据层中，并对各数据层进行网络化或网格化抽象，且在各节点、边或网格中存储相应采集地点地理坐标或时序数据，包括：
4.根据权利要求1至3中任意一项所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，所述负荷预测模型集合的构建过程，包括：
5.根据权利要求1至3中任意一项所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，基于所述电力元胞的外部属性的不确定性，设置置信度条件，在置信度条件下输入电力元胞的固有属性和外部属性至负荷预测模型，对电力元胞的负荷预测，最终得到待预测区域的负荷时空分布预测结果。
6.一种应用如权利要求1至5中任意一项所述方法的基于多源时空信息分层关联的负荷时空分布预测装置，其特征在于，包括：
7.根据权利要求6所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，所述数据处理层，包括：
8.根据权利要求6或7所述的基于多源时空信息分层关联的负荷时空分布预测方法，其特征在于，所述数据应用层，包括：
9.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至5任一项所述的基于多源时空信息分层关联的负荷时空分布预测方法。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至5任一项所述的基于多源时空信息分层关联的负荷时空分布预测方法。
