一种电力负荷预测方法、装置及可读存储介质制造方法及图纸

本发明专利技术公开了一种电力负荷预测方法、装置及可读存储介质，所述方法包括如下步骤：获取电能表特征数据；构建包含注意力机制的长短期记忆网络模型；通过所构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测。本发明专利技术方法通过构建包含注意力机制的长短期记忆网络模型；通过所构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测，通过注意力机制与长短期记忆网络结合提高了对于电能表特征数据中的关键信息的关注度，提高电力负荷预测的准确度。

A power load forecasting method, device and readable storage medium

【技术实现步骤摘要】
一种电力负荷预测方法、装置及可读存储介质
本专利技术涉及电力系统负荷分类
，特别是一种电力负荷预测方法、装置及可读存储介质。
技术介绍
电力负荷预测按时间范围可划分为超短期预测，短期预测、中长期预测和节日预测。短期预测或超短期预测主要用于指导电力部门合理的安排发电计划。传统的短期电力负荷预测方法主要分为两类。第一类是基于回归分析法、趋势外推法、专家系统法以及时间序列法等方法的传统方法。文献利用人口，GDP以及全社会用电量的历史数据，基于多元线性回归分析对电力负荷进行预测。文献提出了一种结合小波变换与累积式自回归移动平均(ARIMA)模型的短期电力负荷预测方法。由于短期负荷数据中存在着明显的波动性和随机性，传统方法主要针对的是线性模型，线性模型在进行短期预测时不够灵活，并且对非线性关系预测能力不足，无法做到准确预测。另一类是包含支持向量机、人工神经网络模型的方法。现有技术中有将BP神经网络模型应用到电力负荷预测中，采用了支持向量机SVM(SupportVectorMachine,SVM)对电力负荷进行预测。这类方法在处理非线性关系时取得了较好的效果，改善了精度受限的问题，BP神经网络虽然结构简单，但是学习能力较差且容易陷入局部最优，支持向量机模型虽然可以应用到小样本中，但是在处理大量数据时会花费大量机器内存和运行时间。以上两类方法主要考虑了电力负荷与其影响因素间的关系，而忽略了连续负荷样本自身序列数据之间的关系。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术的目的就是提供一种电力负荷预测方法、装置及可读存储介质，通过加入注意力机制进一步提高电力负荷预测的准确度。本专利技术的目的之一是通过这样的技术方案实现的，一种电力负荷预测方法，所述方法包括如下步骤：获取电能表特征数据；通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测；其中，所述长短期记忆网络模型包括长短期神经网络和注意力机制；所述注意力机制用于为所述长短期神经网络中不同的隐藏层单元分配不同的权重以识别所述电能表特征数据中的关键信息。可选的，获取电能表特征数据，包括：获取电能表的时序序列特征数据以及电能表静态数据；所述时序序列特征数据包括：电流、电压、电功率和电功耗；所述电能表静态数据包括：温度、地理位置、接线方式、出厂日期和制造标准。可选的，在获取电能表特征数据之后，所述方法还包括：对所述电能表特征数据进行清洗和归一化处理。可选的，构建长短期记忆网络模型，包括：在长短期记忆网络的输出端上设置一层注意力机制层；以及，在所述长短期记忆网络的输入端上设置一层嵌入层以构建包含注意力机制的长短期记忆网络模型。可选的，所述长短期记忆网络为双向长短期记忆网络，且双向长短期记忆网络的隐藏层输出满足：yi＝g(wo1*hf+wo2*hb)其中，yi表示隐藏层输出，wo1表示前向网络的参数，hf表示前向网络的输入，wo2表示后向网络的参数，hb表示后向网络的输入，g()表示求和函数。可选的，所述注意力机制层的工作步骤包括：对双向长短期记忆网络的输入序列和双向长短期记忆网络隐藏层的输出序列进行相似度计算；基于相似度计算结果进行归一化处理；根据双向长短期记忆网络的隐藏层的输出序列和对应的归一化结果进行加权处理。可选的，通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测，包括：将清洗和归一化处理之后的电能表特征数据输入所构建的长短期记忆网络模型；将注意力机制层经过加权处理之后的电能表特征数据的加权处理结果输入卷积层以获得负荷预测结果。本专利技术的目的之二是通过这样的技术方案实现的，一种电力负荷预测装置，所述装置包括：采集模块，用于获取电能表特征数据；数据处理模块，用于通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测；其中，所述长短期记忆网络模型包括长短期神经网络和注意力机制；所述注意力机制用于为所述长短期神经网络中不同的隐藏层单元分配不同的权重以识别所述电能表特征数据中的关键信息。可选的，所述采集模块，具体用于获取电能表的时序序列特征数据以及电能表静态数据；所述时序序列特征数据包括：电流、电压、电功率和电功耗；所述电能表静态数据包括：温度、地理位置、接线方式、出厂日期和制造标准。可选的，还包括模型构建模块，具体用于：在长短期记忆网络的输出端上设置一层注意力机制层；以及，在所述长短期记忆网络的输入端上设置一层嵌入层以构建包含注意力机制的长短期记忆网络模型。可选的，数据处理模块，具体用于：通过所构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测，包括：将清洗和归一化处理之后的电能表特征数据输入所构建的长短期记忆网络模型；将注意力机制层经过加权处理之后的电能表特征数据加权处理结果输入卷积层以获得负荷预测结果。本专利技术的目的之三是通过这样的技术方案实现的，一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现前述的方法的步骤。由于采用了上述技术方案，本专利技术具有如下的优点：本专利技术方法通过构建包含注意力机制的长短期记忆网络模型；通过所构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测，通过注意力机制与长短期记忆网络结合提高了对于电能表特征数据中的关键信息的关注度，提高电力负荷预测的准确度。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。附图说明本专利技术的附图说明如下：图1为本专利技术第一实施例流程图；图2为本专利技术第一实施长短期记忆网络模型结构示意图；图3为本专利技术第一实施双向长短期记忆网络结构示意图；图4为本专利技术第一实施注意力机制层工作原理图。具体实施方式下面结合附图和实施例对本专利技术作进一步说明。实施例一本专利技术第一实施例提出一种电力负荷预测方法，如图1所示，所述方法包括如下步骤：获取电能表特征数据；通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测；其中，所述长短期记忆网络模型包括长短期神经网络和注意力机制；所述注意力机制用于为所述长短期神经网络中不同的隐藏层单元分配不同的权重以识别所述电能表特征数据中的关键信息。长短期记忆LSTM神经网络由RNN发展而来，相对于传统的神经网络，RNN的结果受到输入数据的次序影响，因此可以用来处理电能表特征数据，进一步本专利技术方法结合注意力机制为神经网络的不同隐藏单元分配不同权重，使隐藏层更加关注序列数本文档来自技高网...

【技术保护点】
1.一种电力负荷预测方法，其特征在于，所述方法包括如下步骤：/n获取电能表特征数据；/n通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测；/n其中，所述长短期记忆网络模型包括长短期神经网络和注意力机制；/n所述注意力机制用于为所述长短期神经网络中不同的隐藏层单元分配不同的权重以识别所述电能表特征数据中的关键信息。/n

【技术特征摘要】
1.一种电力负荷预测方法，其特征在于，所述方法包括如下步骤：
获取电能表特征数据；
通过预先构建的长短期记忆网络模型对所获取的电能表特征数据进行识别以完成负荷预测；
其中，所述长短期记忆网络模型包括长短期神经网络和注意力机制；
所述注意力机制用于为所述长短期神经网络中不同的隐藏层单元分配不同的权重以识别所述电能表特征数据中的关键信息。


2.如权利要求1所述的方法，其特征在于，获取电能表特征数据，包括：
获取电能表的时序序列特征数据以及电能表静态数据；
所述时序序列特征数据包括：电流、电压、电功率和电功耗；
所述电能表静态数据包括：温度、地理位置、接线方式、出厂日期和制造标准。


3.如权利要求2所述的方法，其特征在于，在获取电能表特征数据之后，所述方法还包括：对所述电能表特征数据进行清洗和归一化处理。


4.如权利要求3所述的方法，其特征在于，构建长短期记忆网络模型，包括：
在长短期记忆网络的输出端上设置一层注意力机制层；以及，
在所述长短期记忆网络的输入端上设置一层嵌入层以构建包含注意力机制的长短期记忆网络模型。


5.如权利要求4所述的方法，其特征在于，所述长短期记忆网络为双向长短期记忆网络，且双向长短期记忆网络的隐藏层输出满足：
yi＝g(wo1*hf+wo2*hb)
其中，yi表示隐藏层输出，wo1表示前向网络的参数，hf表示前向网络的输入，wo2表示后向网络的参数，hb表示后向网络的输入，g()表示求和函数。


6.如权利要求5所述的方法，其特征在于，所述注意力机制层的工作步骤包括：
对双向长短期记忆网络的输入序列和双向长短期记忆网络隐藏层的输出序列进行相似度计算；
基于相似度计算结果进行归一化处理；
根据双向长短期记忆网络的隐藏层的输出序列和对应的归一化结果进行加权处理。


7.如权利要求6所述的方法，其...

【专利技术属性】
技术研发人员：杜杰，程瑛颖，张家铭，肖冀，谭时顺，周全，周峰，冯凌，胡建明，常仕亮，
申请(专利权)人：国网重庆市电力公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：重庆;50