大家好，我是宽仔~点击蓝字，关注我了解更多···
来自：公司研发部
眼下正值三伏，各地高温“烤”验持续。连日来，多地最高气温突破40摄氏度，打破当地观测史最高气温纪录。据国家能源局近日发布，在持续性高温天气影响下，最大电力负荷快速攀升，多次刷新历史纪录，全国目前已有多个省级电网负荷创历史新高。
全力迎战高温大烤，应对负荷持续攀升的需要
坚决守牢用电底线，做好电力安全保供的需要
科学运用智能算法，破解负荷预测难题的需要
开展区域负荷分析及预测，需要融合电力数据、气象数据、限电数据、经济与人口数据等多源数据，运用机器学习、深度学习算法，开展波动趋势与规律分析，科学制定电力生产与调度方案，高质量完成“迎峰度夏”保供电工作。
① 历史负荷特性分析
解读用户负荷特性的年度特征、月度特征、日度特征，深度挖掘负荷变化规律，做好未来电力供需规划，保证电力供需平衡。
② 气象影响因素分析
气象因素是影响地区负荷变化的重要因素之一，包括温度、湿度、降水、风速等，气象变化会改变人们对电器设备的使用频次，进而引起负荷变化。通过相关性分析，剖析各因素和负荷间的关联关系，解读气象因素对负荷的影响。
③ 降温负荷分析
采用基准负荷法，测算夏季降温负荷。一般以4-5月（平均温度24℃左右）作为基准负荷，测算空调降温负荷占比。并剖析“一度效应”和“一天效应”。
“一度效应”主要分析气温增加1℃，负荷的变化情况，从而建立温度-负荷拟合曲线。
“一天效应”主要分析高于热累积温度界限点（32℃左右）每增加1天，负荷的变化情况，从而建立连续的高温日与日最大负荷的敏感度曲线。
④ 夏季负荷预测
负荷预测特征选择。现代电力负荷数据不仅自身有较强的时序性，还受到诸多其他因素的影响，主要因素有气象因素、日期因素、随机干扰因素等。要保障电力负荷预测结果准确率，必须充分考虑影响负荷变化的因素，并选取相关性较高的因素，作为模型的输入。
短期负荷预测。构建XGboost模型对每个特征在建模中的价值进行重要性打分，筛选出相对重要的特征进行建模。选择多种机器学习预测模型进行对比，决定短期负荷预测的最终预测模型。
长期负荷预测。基于XGboost模型，对特征进行筛选。筛选出输入特征。选择多种机器学习预测模型进行对比，决定夏季5月至8月的长期负荷预测模型。
“宽”是“开阔豁达”，海纳百川有容乃大；
“窄”是“精进细微”，求真务实奋发有为。
您好，这里是宽仔之家，致力于打造一个宽仔们持续充电学习的分享平台。
