一、背景

電力負荷預(yù)測是保障大電網(wǎng)安全以及社會民生用電的重要基礎(chǔ)。然而傳統(tǒng)“人工經(jīng)驗”的預(yù)測模式面臨準(zhǔn)度差、效率低等突出問題，迫切需要建設(shè)高質(zhì)量數(shù)據(jù)集、開創(chuàng)“AI+負荷預(yù)測”新范式。通過構(gòu)建“數(shù)據(jù)治理—數(shù)據(jù)增強—數(shù)據(jù)飛輪—賽馬競技”方法論體系，南方電網(wǎng)沉淀了一套服務(wù)于南方5省區(qū)60余個地市的高質(zhì)量負荷預(yù)測數(shù)據(jù)集，涵蓋了能源電力行業(yè)10余大類規(guī)模超300TB核心數(shù)據(jù)，并基于此訓(xùn)練出網(wǎng)省地一體化的AI負荷預(yù)測模型、全面實現(xiàn)“機器代人”，有力促進電力行業(yè)上下游產(chǎn)業(yè)鏈發(fā)展。

電網(wǎng)調(diào)度AI負荷預(yù)測數(shù)據(jù)集概況及應(yīng)用

二、方案和成效

一是破解全生命周期的數(shù)據(jù)治理和數(shù)據(jù)安全難題。基于全國產(chǎn)化安全可控的軟硬件技術(shù)路線，采用元數(shù)據(jù)探針、流式計算、時序異常檢測算法等先進技術(shù)，解決了50余類細分數(shù)據(jù)從采集、傳輸、存儲、供給、銷毀的全鏈路質(zhì)量監(jiān)測、異常識別與智能修正等難題，實現(xiàn)數(shù)據(jù)質(zhì)量驗證100%自動化操作。

二是攻克數(shù)據(jù)增強技術(shù)解決稀缺場景預(yù)測難題。融合調(diào)度領(lǐng)域知識、生成對抗網(wǎng)絡(luò)、時間序列局部壓縮等技術(shù)，實現(xiàn)空調(diào)/采暖負荷、復(fù)工復(fù)產(chǎn)、景氣指數(shù)等400多維數(shù)據(jù)特征的自動化構(gòu)造以及樣本增強生成，極端天氣、節(jié)假日等重大保供電稀缺場景下的負荷預(yù)測準(zhǔn)確率相比傳統(tǒng)人工模式提升約3～5個百分點。

三是構(gòu)建數(shù)據(jù)飛輪和賽馬機制持續(xù)保持生命力。提出自主進化的數(shù)據(jù)飛輪技術(shù)，將實時產(chǎn)生的電網(wǎng)負荷、新能源出力、精細化氣象等數(shù)據(jù)（日均增量超20GB）自動加工成新的數(shù)據(jù)集，持續(xù)迭代增量訓(xùn)練AI模型。首創(chuàng)“產(chǎn)學(xué)研融合”的同臺競技賽馬機制，通過比武不斷精進數(shù)據(jù)集質(zhì)量。基于該數(shù)據(jù)集，成功訓(xùn)練出全網(wǎng)一體化AI負荷預(yù)測模型并服務(wù)于南方5省區(qū)60余個地市。

三、創(chuàng)新點

一是全國產(chǎn)化軟硬件技術(shù)架構(gòu)支撐數(shù)據(jù)安全高效治理。基于國產(chǎn)時序數(shù)據(jù)庫、加密技術(shù)，確保了全生命周期數(shù)據(jù)安全；采用LSTM-Autoencoder等先進時序異常檢測算法識別負荷數(shù)據(jù)異常，結(jié)合歷史相似日、高階插值算法對異常值進行智能修復(fù)。

二是提出融合調(diào)度領(lǐng)域知識的數(shù)據(jù)增強技術(shù)。通過提取調(diào)度領(lǐng)域知識、并結(jié)合時間序列局部壓縮等技術(shù)，實現(xiàn)空調(diào)/采暖負荷、復(fù)工復(fù)產(chǎn)、景氣指數(shù)等400多維特征的自動化構(gòu)造，有效增強極端天氣、節(jié)假日等重大保供電稀缺場景下的數(shù)據(jù)樣本和質(zhì)量。

三是創(chuàng)新賽馬機制永葆數(shù)據(jù)集生命力。搭建能源電力時序預(yù)測領(lǐng)域高水平交流平臺，通過比武不斷精進數(shù)據(jù)集質(zhì)量，實現(xiàn)“預(yù)測越準(zhǔn)－獲得獎金越多－研發(fā)投入越多－數(shù)據(jù)集質(zhì)量越高－預(yù)測越準(zhǔn)”的螺旋上升。

來源：國家數(shù)據(jù)局