本发明涉及电力系统技术领域，尤其涉及一种负荷预测方法、装置以及计算机可读存储介质。
背景技术：
电力系统的负荷是系统中用电设备消耗的功率；电力系统的负荷可以包括工业、农业、邮电、交通、市政、商业以及城乡居民消耗的功率。为保证电力系统发电功率和负荷的动态平衡，必须对电力系统的负荷做出科学的预测。准确预测负荷对确定电力系统的优化调度、地区间功率输送和负荷调度也起着重要作用。目前的负荷预测方法，多采用人工预测方法，需要技术人员进行大量的计算，预测精度较低。
技术实现要素：
本发明的主要目的在于提供一种负荷预测方法、装置以及计算机可读存储介质，旨在解决负荷数据预测精度低的问题。
为实现上述目的，本发明提供的一种负荷预测方法，所述负荷预测方法包括以下步骤：
在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据；
确定所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
在一实施例中，所述确定所述实时负荷数据对应的目标历史负荷曲线的步骤包括：
获取各个所述历史负荷曲线在所述检测时间点对应的历史负荷数据的历史功率区间，所述历史功率区间由所述检测时间点对应的历史最大功率值和历史最小功率值得到；
获取各个所述检测时间点对应的实时负荷数据中的实时平均功率值；
根据各个检测时间点对应的实时平均功率值以及所述历史功率区间确定相似历史负荷曲线，其中，所述检测时间点的实时平均功率值在所述相似历史负荷曲线中所述检测时间点对应的历史功率区间内；
根据所述相似历史负荷曲线确定所述目标历史负荷曲线。
在一实施例中，所述根据所述相似历史负荷曲线确定所述目标历史负荷曲线的步骤包括：
在所述相似历史负荷曲线为多个时，获取每个所述相似历史负荷曲线在各个所述检测时间点的历史负荷数据与所述实时负荷数据对应的偏差值，所述偏差值为所述检测时间点的历史负荷数据中的历史平均功率值与所述检测时间点的实时负荷数据中的实时平均功率值的差值；
根据所述偏差值确定偏差均值；
将所述偏差均值最小的所述相似历史负荷曲线作为所述目标历史负荷曲线。
在一实施例中，所述确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值的步骤包括：
获取所述目标历史曲线在各个所述检测时间点的修正负荷数据与所述实时负荷数据的偏差值；
其中，所述偏差值包括最大偏差值和最小偏差值，所述最大偏差值为各个所述检测时间点对应的所述历史负荷数据中的最大功率值与所述实时负荷数据中的最大功率值的差值绝对值，所述最小偏差值为各个所述检测时间点对应的所述历史负荷数据中的最小功率值与所述实时负荷数据中的最小功率值的差值绝对值。
在一实施例中，所述根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正的步骤包括：
根据所述偏差绝对值以及所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正。
在一实施例中，每个预测时间点之间的时间间隔为第二预设时间间隔，所述第二预设时间间隔小于所述第一预设时间间隔。
在一实施例中，所述方法还包括：
确定所述实时负荷数据的数据类型，所述数据类型包括生活负荷数据、办公负荷数据以及生产负荷数据中的至少两个；
根据所述数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据。
分别确定每个所述数据类型的所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
分别确定每个所述数据类型的所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据每个所述数据类型对应的所述偏差值的和值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
在一实施例中，每一个数据类型对应一个数据采集装置，所述根据所述数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据的步骤包括：
分别控制每个所述数据采集装置在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的所述数据采集装置对应的所述数据类型的实时负荷数据。
为实现上述目的，本发明还提供一种负荷预测装置，所述负荷预测装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上执行的负荷预测程序，所述负荷预测程序被所述处理器执行时实现如上所述的负荷预测方法的各个步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有负荷预测程序，所述负荷预测程序被处理器执行时实现如上所述的负荷预测方法的各个步骤。
本发明提供的一种负荷预测方法、装置以及计算机可读存储介质，确定实时负荷数据对应的目标历史负荷曲线，根据目标历史负荷曲线确定历史负荷数据与实时负荷数据之间的偏差值，根据所述偏差值对目标历史负荷曲线的下一个时间间隔对应的曲线进行修正，得到了负荷预测曲线。本发明实现了根据历史负荷数据对实时负荷数据的下一个时间间隔的负荷数据进行预测，得到负荷预测曲线。
附图说明
图1为本发明实施例涉及的负荷预测装置的硬件结构示意图；
图2为本发明负荷预测方法的第一实施例的流程示意图；
图3为本发明负荷预测方法的获取实时负荷数据的示意图；
图4为本发明负荷预测方法的第二实施例的步骤s20的细化流程示意图；
图5为本发明负荷预测方法的实时平均功率满足历史功率区间的示意图；
图6为本发明负荷预测方法的第三实施例的步骤s24的细化流程示意图；
图7为本发明负荷预测方法的第四实施例的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据；确定实时负荷数据对应的目标历史负荷曲线，目标历史负荷曲线为预设时间区间对应的历史负荷数据随检测时间点变化的曲线；确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；根据偏差值对目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
本发明实现了根据历史负荷数据对实时负荷数据的下一个时间间隔的负荷数据进行预测，得到负荷预测曲线。
作为一种实现方案，负荷预测装置可以如图1所示。
本发明实施例方案涉及的是负荷预测装置，负荷预测装置包括：处理器101，例如cpu，存储器102，通信总线103。其中，通信总线103用于实现这些组件之间的连接通信。
存储器102可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。如图1所示，作为一种计算机可读存储介质的存储器102中可以包括负荷预测程序；而处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据；
确定所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
获取各个所述历史负荷曲线在所述检测时间点对应的历史负荷数据的历史功率区间，所述历史功率区间由所述检测时间点对应的历史最大功率值和历史最小功率值得到；
获取各个所述检测时间点对应的实时负荷数据中的实时平均功率值；
根据各个检测时间点对应的实时平均功率值以及所述历史功率区间确定相似历史负荷曲线，其中，所述检测时间点的实时平均功率值在所述相似历史负荷曲线中所述检测时间点对应的历史功率区间内；
根据所述相似历史负荷曲线确定所述目标历史负荷曲线。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
在所述相似历史负荷曲线为多个时，获取每个所述相似历史负荷曲线在各个所述检测时间点的历史负荷数据与所述实时负荷数据对应的偏差值，所述偏差值为所述检测时间点的历史负荷数据中的历史平均功率值与所述检测时间点的实时负荷数据中的实时平均功率值的差值；
根据所述偏差值确定偏差均值；
将所述偏差均值最小的所述相似历史负荷曲线作为所述目标历史负荷曲线。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
获取所述目标历史曲线在下一个时间间隔的各个所述检测时间点的修正负荷数据与所述实时负荷数据的偏差值；
其中，所述偏差值包括最大偏差值和最小偏差值，所述最大偏差值为下一个时间间隔的各个所述检测时间点对应的所述历史负荷数据中的最大功率值与所述实时负荷数据中的最大功率值的差值绝对值，所述最小偏差值为下一个时间间隔的各个所述检测时间点对应的所述历史负荷数据中的最小功率值与所述实时负荷数据中的最小功率值的差值绝对值。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
根据所述偏差绝对值以及所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
确定所述实时负荷数据的数据类型，所述数据类型包括生活负荷数据、办公负荷数据以及生产负荷数据中的至少两个；
根据所述数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据。
分别确定每个所述数据类型的所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
分别确定每个所述数据类型的所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据每个所述数据类型对应的所述偏差值的和值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
在一实施例中，处理器101可以用于调用存储器102中存储的负荷预测程序，并执行以下操作：
分别控制每个所述数据采集装置在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的所述数据采集装置对应的所述数据类型的实时负荷数据。
基于上述负荷预测装置的硬件构架，提出本发明负荷预测方法的实施例。
参照图2，图2为本发明负荷预测方法的第一实施例，所述负荷预测方法包括以下步骤：
步骤s10，在预设时间区间内每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据。
具体的，实时负荷数据是用电设备在检测时间点向电力系统取用的电功率数据。在预设时间区间内每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据，示例性的，预设时间区间可以是15秒，在预设时间内的各个检测时间点的个数可以是15个，1秒钟对应1个检测时间点的实时负荷数据，第一预设时间间隔可以是5秒。也可以如图3所示，在t-1时刻、t时刻以及t-1时刻分别获取预设时间区间的实时负荷数据，实时负荷数据包括多个检测时间点，并且获取了实时负荷数据之后的每个预测时间点之间的时间间隔为第二预设时间间隔，第二预设时间间隔小于第一预设时间间隔。
步骤s20，确定所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线。
具体的，目标历史负荷曲线是与实时负荷数据变化规律最接近的历史负荷曲线。目标历史负荷曲线为预设时间区间对应的历史负荷数据随检测时间点变化的曲线，目标历史负荷曲线对应的检测时间点的数量大于实时负荷数据对应的检测时间点的数量。
步骤s30，确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值。
具体的，在确定目标历史负荷曲线之后，确定目标历史负荷曲线各个检测时间点对应的历史负荷数据，分别计算每一个检测时间点该历史负荷数据与对应的实时负荷数据的偏差值，其中该历史负荷数据的检测时间点个数与实时负荷数据的检测时间点个数相同。
步骤s40，根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
具体的，确定偏差值之后，根据偏差值对目标历史负荷曲线中下一个时间间隔对应的曲线进行修正，得到负荷预测曲线。其中负荷预测曲线是实时负荷数据在下一时间间隔对应的负荷数据曲线。
在获取实时负荷数据之前，还可以先确定所述实时负荷数据的数据类型，数据类型包括生活负荷数据、办公负荷数据以及生产负荷数据中的至少两个；其中，每一个数据采集装置对应一个数据类型，分别控制每个数据采集装置在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的数据采集装置对应的数据类型的实时负荷数据。根据数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据。分别确定每个数据类型的所述实时负荷数据对应的目标历史负荷曲线；分别确定每个数据类型的目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；根据每个数据类型对应的偏差值的和值对目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
对实时负荷数据分类获取，将各个数据类型的偏差值的和值对目标历史负荷曲线中下一时间间隔对应的曲线进行修正，避免了在某些时刻增高的某个数据类型的实时负荷数据影响负荷预测的结果，提高了后续根据实时负荷数据预测的准确性。
在本实施例的技术方案中，确定实时负荷数据对应的目标历史负荷曲线，根据目标历史负荷曲线确定历史负荷数据与实时负荷数据之间的偏差值，根据所述偏差值对目标历史负荷曲线的下一个时间间隔对应的曲线进行修正，得到了负荷预测曲线。根据历史负荷数据对实时负荷数据的下一个时间间隔的负荷数据进行预测，得到负荷预测曲线。
参照图4，图4为本发明负荷预测方法的第二实施例，基于本发明的第一实施例，所述步骤s20包括：
步骤s21，获取各个所述历史负荷曲线在所述检测时间点对应的历史负荷数据的历史功率区间，所述历史功率区间由所述检测时间点对应的历史最大功率值和历史最小功率值得到；
步骤s22，获取各个所述检测时间点对应的实时负荷数据中的实时平均功率值；
步骤s23，根据各个检测时间点对应的实时平均功率值以及所述历史功率区间确定相似历史负荷曲线，其中，所述检测时间点的实时平均功率值在所述相似历史负荷曲线中所述检测时间点对应的历史功率区间内；
步骤s24，根据所述相似历史负荷曲线确定所述目标历史负荷曲线。
具体的，确定数据库中的各个历史负荷曲线在检测时间点对应的历史负荷数据的历史功率区间，历史功率区间由各个检测时间点对应的历史最大功率值和历史最小功率值得到，历史功率区间的个数与检测时间点个数相同。
确定各个检测时间点对应的实时负荷数据的实时平均功率值，实时平均功率值与检测时间点个数相同。示例性的，15秒的时间间隔对应15个检测时间点的情况，实时平均功率值可以是每个检测时间点对应的1秒的负荷数据的平均功率值。
根据各个检测时间点对应的实时平均功率值以及历史功率区间确定相似历史负荷曲线，如图5所示，确定各个实时平均功率值大于对应的历史最小功率值，并且小于对应的历史最大功率值的历史负荷曲线，即实时平均功率满足历史功率区间。若实时平均功率值在历史功率区间内，确定历史功率区间的历史负荷曲线为相似负荷曲线。其中，相似负荷曲线可以是一条，也可以有多条。当相似负荷曲线为一条时，将相似负荷曲线作为目标历史负荷曲线。当相似负荷曲线为多条时，对多条相似负荷曲线进行筛选，得到目标历史负荷曲线。
在本实施例的技术方案中，通过实时负荷数据的平均功率值以及历史负荷数据的历史功率区间，确定相似历史负荷曲线，根据相似历史负荷曲线确定了目标历史负荷曲线，便于后续确定负荷预测曲线。
参照图6，图6为本发明负荷预测方法的第三实施例，基于本发明的第二实施例，所述步骤s24包括：
步骤s241，在所述相似历史负荷曲线为多个时，获取每个所述相似历史负荷曲线在各个所述检测时间点的历史负荷数据与所述实时负荷数据对应的偏差值，所述偏差值为所述检测时间点的历史负荷数据中的历史平均功率值与所述检测时间点的实时负荷数据中的实时平均功率值的差值；
步骤s242，根据所述偏差值确定偏差均值；
步骤s243，将所述偏差均值最小的所述相似历史负荷曲线作为所述目标历史负荷曲线。
具体的，相似历史负荷曲线可以是多个，这时需要对相似历史负荷曲线进行筛选，得到与实时负荷数据最接近的相似历史负荷曲线作为目标历史负荷曲线。
获取每个相似历史负荷曲线在各个检测时间点的历史负荷数据与实时负荷数据对应的偏差值，偏差值为检测时间点的历史负荷数据中的历史平均功率值与对应的检测时间点的实时负荷数据中的实时平均功率值的差值绝对值，偏差值的数量与检测时间点的个数相同。根据多个偏差值计算平均值得到偏差均值。示例性的，如下公式所示：
其中，m为偏差均值，p为各个时间检测点的个数，an为在第n个检测时间点的历史负荷数据，bn为在第n个检测时间点的实时负荷数据。
确定了偏差均值之后，将偏差均值最小的相似历史负荷曲线作为目标历史负荷曲线。
在本实施例的技术方案中，考虑了相似历史负荷曲线为多个的情况，根据相似历史负荷曲线与实时负荷数据的偏差均值的计算，确定偏差均值最小的目标历史负荷曲线。在相似历史负荷曲线中确定最接近实时负荷数据的相似历史负荷曲线，将最接近的相似负荷曲线作为目标历史负荷曲线，对相似负荷曲线进行了有效筛选。
参照图7，图7为本发明负荷预测方法的第四实施例，基于本发明的第三实施例，所述步骤s30包括：
步骤s31，获取所述目标历史曲线中各个所述检测时间点的历史负荷数据与所述实时负荷数据的偏差值；
其中，所述偏差值包括最大偏差值和最小偏差值，所述最大偏差值为各个所述检测时间点对应的所述历史负荷数据中的最大功率值与所述实时负荷数据中的最大功率值的差值绝对值，所述最小偏差值为各个所述检测时间点对应的所述历史负荷数据中的最小功率值与所述实时负荷数据中的最小功率值的差值绝对值。
具体的，确定目标历史曲线各个检测时间点对应的历史负荷数据的最大功率值与实时负荷数据的最大功率值的差值绝对值作为最大偏差值，确定各个检测点对应的历史负荷数据的最小功率值与实时负荷数据的最小功率值的差值绝对值作为最小偏差值。根据最大偏差值与最小偏差值确定修正负荷数据与实时负荷数据的偏差值。
在确定了偏差值之后，可以根据偏差值对目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。也可以根据偏差绝对值与偏差值一起对目标历史负荷曲线中下一个时间间隔对应的曲线进行修正。示例性的，可以由如下公式表示：
wn＝cn m tnv1-tnv2，n＝1,.....,p
其中，p为检测时间点的个数，wn为修正后的目标历史负荷曲线，cn为目标历史负荷曲线，m为目标历史负荷曲线与实时负荷数据的偏差均值，tnv1为第n个检测时间点对应的最大偏差值，tnv2为第n个检测时间点对应的最小偏差值。
在本实施例的技术方案中，确定目标历史曲线中各个检测时间点的历史负荷数据与实时负荷数据的偏差值，根据偏差值对目标历史曲线的下一个时间间隔的曲线进行修正，可以得到负荷预测曲线。
本发明还提供一种负荷预测装置，所述负荷预测装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上执行的负荷预测程序，所述负荷预测程序被所述处理器执行时实现如上实施例所述的负荷预测方法的各个步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有负荷预测程序，所述负荷预测程序被处理器执行时实现如上实施例所述的负荷预测方法的各个步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个计算机可读存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
1.一种负荷预测方法，其特征在于，所述负荷预测方法包括：
在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据；
确定所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
2.如权利要求1所述的负荷预测方法，其特征在于，所述确定所述实时负荷数据对应的目标历史负荷曲线的步骤包括：
获取各个所述历史负荷曲线在所述检测时间点对应的历史负荷数据的历史功率区间，所述历史功率区间由所述检测时间点对应的历史最大功率值和历史最小功率值得到；
获取各个所述检测时间点对应的实时负荷数据中的实时平均功率值；
根据各个检测时间点对应的实时平均功率值以及所述历史功率区间确定相似历史负荷曲线，其中，所述检测时间点的实时平均功率值在所述相似历史负荷曲线中所述检测时间点对应的历史功率区间内；
根据所述相似历史负荷曲线确定所述目标历史负荷曲线。
3.如权利要求2所述的负荷预测方法，其特征在于，所述根据所述相似历史负荷曲线确定所述目标历史负荷曲线的步骤包括：
在所述相似历史负荷曲线为多个时，获取每个所述相似历史负荷曲线在各个所述检测时间点的历史负荷数据与所述实时负荷数据对应的偏差值，所述偏差值为所述检测时间点的历史负荷数据中的历史平均功率值与所述检测时间点的实时负荷数据中的实时平均功率值的差值；
根据所述偏差值确定偏差均值；
将所述偏差均值最小的所述相似历史负荷曲线作为所述目标历史负荷曲线。
4.如权利要求3所述的负荷预测方法，其特征在于，所述确定所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值的步骤包括：
获取所述目标历史曲线在各个所述检测时间点的修正负荷数据与所述实时负荷数据的偏差值；
其中，所述偏差值包括最大偏差值和最小偏差值，所述最大偏差值为各个所述检测时间点对应的所述历史负荷数据中的最大功率值与所述实时负荷数据中的最大功率值的差值绝对值，所述最小偏差值为各个所述检测时间点对应的所述历史负荷数据中的最小功率值与所述实时负荷数据中的最小功率值的差值绝对值。
5.如权利要求4所述的负荷预测方法，其特征在于，所述根据所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正的步骤包括：
根据所述偏差绝对值以及所述偏差值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正。
6.如权利要求1所述的负荷预测方法，其特征在于，每个预测时间点之间的时间间隔为第二预设时间间隔，所述第二预设时间间隔小于所述第一预设时间间隔。
7.如权利要求1所述的负荷预测方法，其特征在于，所述方法还包括：
确定所述实时负荷数据的数据类型，所述数据类型包括生活负荷数据、办公负荷数据以及生产负荷数据中的至少两个；
根据所述数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据。
分别确定每个所述数据类型的所述实时负荷数据对应的目标历史负荷曲线，所述目标历史负荷曲线为所述预设时间区间对应的历史负荷数据随检测时间点变化的曲线；
分别确定每个所述数据类型的所述目标历史负荷曲线中各个所述检测时间点对应的历史负荷数据与所述实时负荷数据之间的偏差值；
根据每个所述数据类型对应的所述偏差值的和值对所述目标历史负荷曲线中下一时间间隔对应的曲线进行修正，以得到负荷预测曲线。
8.如权利要求7所述的负荷预测方法，其特征在于，每一个数据类型对应一个数据采集装置，所述根据所述数据类型分别在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的实时负荷数据的步骤包括：
分别控制每个所述数据采集装置在预设时间区间内获取每个预测时间点之前第一预设时间间隔内的各个检测时间点的所述数据采集装置对应的所述数据类型的实时负荷数据。
9.一种负荷预测装置，其特征在于，所述负荷预测装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上执行的负荷预测程序，所述负荷预测程序被所述处理器执行时实现如权利要求1-8任一项所述的负荷预测方法的各个步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有负荷预测程序，所述负荷预测程序被处理器执行时实现如权利要求1-8任一项所述的负荷预测方法的各个步骤。
技术总结