本發(fā)明涉及電力負荷預(yù)測，特別是涉及一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、短期電力負荷預(yù)測是新型電力系統(tǒng)穩(wěn)定運行的重要環(huán)節(jié)，可以為電力系統(tǒng)規(guī)劃和運行提供可靠的決策依據(jù)，有助于電力系統(tǒng)經(jīng)濟運行。目前，源側(cè)新能源的增多以及波動性的增大，間接改變了用戶側(cè)的用電行為，使得負荷的不確定性增大，導(dǎo)致難以獲得準(zhǔn)確的短期負荷預(yù)測結(jié)果。因此，短期負荷預(yù)測成為當(dāng)下的研究熱點。

2、目前的短期負荷預(yù)測方法大致可以分為兩種類型：數(shù)學(xué)統(tǒng)計模型和傳統(tǒng)機器學(xué)習(xí)方法。但是，利用這些方法實現(xiàn)短期負荷預(yù)測不僅所需的工作量較大，而且往往難以處理非線性、非平穩(wěn)的電力負荷數(shù)據(jù)。

3、因此，亟需提出一種新的短期負荷預(yù)測方法以實現(xiàn)對電力負荷數(shù)據(jù)的高效準(zhǔn)確預(yù)測，從而為電力系統(tǒng)的高效運行提供有力保障。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是實現(xiàn)對電力負荷數(shù)據(jù)的高效預(yù)測。為了實現(xiàn)上述目的，本發(fā)明提供了一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法及系統(tǒng)。

2、第一方面，本發(fā)明實施例提供了一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法，包括：

3、獲取目標(biāo)電力系統(tǒng)的歷史負荷數(shù)據(jù)以構(gòu)成初始負荷數(shù)據(jù)集，并對所述初始負荷數(shù)據(jù)集進行預(yù)處理，得到目標(biāo)負荷數(shù)據(jù)集；

4、對所述目標(biāo)負荷數(shù)據(jù)集進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集；

5、對所述負荷數(shù)據(jù)子集進行位置編碼，并將位置編碼后的負荷數(shù)據(jù)子集通過多頭自注意力機制進行特征提取，得到第一輸出特征；

6、將所述第一輸出特征通過通道注意力機制進行頻域變換，得到負荷頻域特征；

7、將所述負荷數(shù)據(jù)子集和所述負荷頻域特征通過掩碼交叉注意力機制進行特征恢復(fù)，并對得到的第二輸出特征進行短期負荷預(yù)測，得到預(yù)測結(jié)果。

8、優(yōu)選地，所述對所述初始負荷數(shù)據(jù)集進行預(yù)處理，得到目標(biāo)負荷數(shù)據(jù)集，包括：

9、對所述初始負荷數(shù)據(jù)集進行缺失值處理和異常值處理，得到目標(biāo)負荷數(shù)據(jù)集。

10、優(yōu)選地，所述對所述目標(biāo)負荷數(shù)據(jù)集進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集，包括：

11、采用改進dbscan算法對所述目標(biāo)負荷數(shù)據(jù)進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集；其中，所述改進dbscan算法被設(shè)計為改進鄰域半徑的設(shè)定規(guī)則。

12、優(yōu)選地，所述改進鄰域半徑的設(shè)定規(guī)則，包括：

13、采用預(yù)設(shè)公式計算鄰域半徑；其中，所述預(yù)設(shè)公式如下所示：

14、

15、其中，表示鄰域半徑，表示樣本個數(shù)，表示樣本維度，表示成為核心對象所需要的鄰域內(nèi)點的最小數(shù)量，表示gamma函數(shù)，表示-鄰域。

16、優(yōu)選地，所述對所述負荷數(shù)據(jù)子集進行位置編碼，并將位置編碼后的負荷數(shù)據(jù)子集通過多頭自注意力機制進行特征提取，得到第一輸出特征，包括：

17、采用門控循環(huán)單元對所述負荷數(shù)據(jù)子集進行位置編碼，得到門控機制輸出數(shù)據(jù)；

18、采用編碼器對所述門控機制輸出數(shù)據(jù)進行特征提取，得到第一輸出特征；其中，所述編碼器包括依次連接的多個多頭自注意力層和一個前饋層。

19、優(yōu)選地，采用如下公式表征當(dāng)前多頭自注意力層的輸出特征：

20、

21、其中，表示當(dāng)前多頭自注意力層的輸出特征，表示歸一化處理，表示當(dāng)前多頭自注意力層的輸入特征，表示多頭自注意力機制處理；

22、采用如下公式表征第一輸出特征：

23、

24、其中，表示第一輸出特征，表示前饋層的輸入特征，表示前饋層處理。

25、優(yōu)選地，所述將所述第一輸出特征通過通道注意力機制進行頻域變換，得到負荷頻域特征，包括：

26、對所述第一輸出特征沿通道進行特征映射，得到每一通道的第一輸出特征向量；

27、采用離散余弦變換對所述第一輸出特征向量進行頻域變換，得到每一通道的頻域分量；

28、對所述頻域分量進行疊加運算，得到所述第一輸出特征的初始頻域特征；

29、基于注意力機制對所述初始頻域特征進行優(yōu)化，得到負荷頻域特征。

30、優(yōu)選地，所述將所述負荷數(shù)據(jù)子集和所述負荷頻域特征通過掩碼交叉注意力機制進行特征恢復(fù)，并對得到的第二輸出特征進行短期負荷預(yù)測，得到預(yù)測結(jié)果，包括：

31、采用解碼器對所述負荷數(shù)據(jù)子集和所述負荷頻域特征進行特征恢復(fù)，得到第二輸出特征；其中，所述解碼器包括依次連接的多個掩碼交叉注意力層和一個前饋層；

32、對所述第二輸出特征進行非線性映射，得到短期負荷預(yù)測結(jié)果。

33、優(yōu)選地，所述對所述第二輸出特征進行非線性映射，得到短期負荷預(yù)測結(jié)果，包括：

34、采用全連接層對所述第二輸出特征進行非線性映射，得到短期負荷預(yù)測結(jié)果；其中，采用如下公式表征所述短期負荷預(yù)測結(jié)果：

35、

36、其中，表示短期負荷預(yù)測結(jié)果，表示全連接層的激活函數(shù)，表示權(quán)重矩陣，表示第二輸出特征，表示偏差。

37、第二方面，本發(fā)明實施例提供了一種基于深度學(xué)習(xí)的短期負荷預(yù)測系統(tǒng)，包括：

38、目標(biāo)數(shù)據(jù)集獲取模塊，用于獲取目標(biāo)電力系統(tǒng)的歷史負荷數(shù)據(jù)以構(gòu)成初始負荷數(shù)據(jù)集，并對所述初始負荷數(shù)據(jù)集進行預(yù)處理，得到目標(biāo)負荷數(shù)據(jù)集；

39、聚類分析模塊，用于對所述目標(biāo)負荷數(shù)據(jù)集進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集；

40、第一輸出特征獲取模塊，用于對所述負荷數(shù)據(jù)子集進行位置編碼，并將位置編碼后的負荷數(shù)據(jù)子集通過多頭自注意力機制進行特征提取，得到第一輸出特征；

41、頻域特征獲取模塊，用于將所述第一輸出特征通過通道注意力機制進行頻域變換，得到負荷頻域特征；

42、預(yù)測結(jié)果獲取模塊，用于將所述負荷數(shù)據(jù)子集和所述負荷頻域特征通過掩碼交叉注意力機制進行特征恢復(fù)，并對得到的第二輸出特征進行短期負荷預(yù)測，得到預(yù)測結(jié)果。

43、本發(fā)明實施例一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法及系統(tǒng)與現(xiàn)有技術(shù)相比，其有益效果在于：改進了dbscan聚類方法，并以此方法實現(xiàn)將具有相似用電特征的負荷數(shù)據(jù)歸為一類，從而提高后續(xù)負荷預(yù)測的準(zhǔn)確性；采用門控循環(huán)單元提取節(jié)點負荷特征之間的相關(guān)性，去除無關(guān)信息，聚合節(jié)點之間的特征，有利于提高預(yù)測準(zhǔn)確性；采用獲取頻域信息能力強的離散余弦變換，能夠?qū)㈦娏ω摵商卣鬓D(zhuǎn)換為具有明確物理意義的頻域特征，有助于揭示負荷的頻域結(jié)構(gòu)和特征信息；引入通道注意力機制，有效捕捉各個通道在頻域中的特征關(guān)系，增強特征的表達能力，且從頻域中提取更為全面的負荷信息；采用自注意力機制和交叉注意力機制，實現(xiàn)對時間序列數(shù)據(jù)的高效處理和預(yù)測?？偟膩碚f，本發(fā)明能夠?qū)崿F(xiàn)新型電力系統(tǒng)下的高精度短期負荷預(yù)測，在保證預(yù)測精度的條件下極大提高預(yù)測效率。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的短期負荷預(yù)測方法，其特征在于，所述對所述初始負荷數(shù)據(jù)集進行預(yù)處理，得到目標(biāo)負荷數(shù)據(jù)集，包括：

3.根據(jù)權(quán)利要求1所述的短期負荷預(yù)測方法，其特征在于，所述對所述目標(biāo)負荷數(shù)據(jù)集進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集，包括：

4.根據(jù)權(quán)利要求3所述的短期負荷預(yù)測方法，其特征在于，所述改進鄰域半徑的設(shè)定規(guī)則，包括：

5.根據(jù)權(quán)利要求1所述的短期負荷預(yù)測方法，其特征在于，所述對所述負荷數(shù)據(jù)子集進行位置編碼，并將位置編碼后的負荷數(shù)據(jù)子集通過多頭自注意力機制進行特征提取，得到第一輸出特征，包括：

6.根據(jù)權(quán)利要求5所述的短期負荷預(yù)測方法，其特征在于，采用如下公式表征當(dāng)前多頭自注意力層的輸出特征：

7.根據(jù)權(quán)利要求1所述的短期負荷預(yù)測方法，其特征在于，所述將所述第一輸出特征通過通道注意力機制進行頻域變換，得到負荷頻域特征，包括：

8.根據(jù)權(quán)利要求1所述的短期負荷預(yù)測方法，其特征在于，所述將所述負荷數(shù)據(jù)子集和所述負荷頻域特征通過掩碼交叉注意力機制進行特征恢復(fù)，并對得到的第二輸出特征進行短期負荷預(yù)測，得到預(yù)測結(jié)果，包括：

9.根據(jù)權(quán)利要求8所述的短期負荷預(yù)測方法，其特征在于，所述對所述第二輸出特征進行非線性映射，得到短期負荷預(yù)測結(jié)果，包括：

10.一種基于深度學(xué)習(xí)的短期負荷預(yù)測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)的短期負荷預(yù)測方法及系統(tǒng)，該方法包括：獲取目標(biāo)電力系統(tǒng)的歷史負荷數(shù)據(jù)以構(gòu)成初始負荷數(shù)據(jù)集，并對初始負荷數(shù)據(jù)集進行預(yù)處理，得到目標(biāo)負荷數(shù)據(jù)集；對目標(biāo)負荷數(shù)據(jù)集進行聚類，得到多個具有不同用電特征的負荷數(shù)據(jù)子集；對負荷數(shù)據(jù)子集進行位置編碼，并將位置編碼后的負荷數(shù)據(jù)子集通過多頭自注意力機制進行特征提取，得到第一輸出特征；將第一輸出特征通過通道注意力機制進行頻域變換，得到負荷頻域特征；將負荷數(shù)據(jù)子集和負荷頻域特征通過掩碼交叉注意力機制進行特征恢復(fù)，并對得到的第二輸出特征進行短期負荷預(yù)測，得到預(yù)測結(jié)果。本發(fā)明能夠?qū)崿F(xiàn)新型電力系統(tǒng)下的高精度短期負荷預(yù)測，極大提高預(yù)測效率。

技術(shù)研發(fā)人員：張偉峰,楊世旺,張亦晗,陳溪,徐晨陽,應(yīng)彩霞,范建,葉吉超,金梅芬,張威,謝天佑,孫研繽,秦杰,吳彬鋒,章寒冰,葉子強,詹子儀,汪力
受保護的技術(shù)使用者：國網(wǎng)浙江省電力有限公司麗水供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2