短期负荷预测方法、短期负荷预测模型训练方法及装置制造方法及图纸

本发明专利技术公开了一种短期负荷预测方法、短期负荷预测模型训练方法、装置、可读介质及电子设备，该方法包括：获取待预测数据，待预测数据包括负荷时序数据和影响因素数据；基于负荷时序数据和已训练的预测模型中的长短期记忆网络，获取第一负荷时序特征；基于影响因素数据和已训练的预测模型中的全连接网络，获取影响因素特征；基于第一负荷时序特征、影响因素特征和已训练的预测模型中的输出网络，获取短期负荷预测结果。本发明专利技术提供的技术方案通过引入多源数据即负荷时序数据和影响因素数据，并利用长短期记忆网络和全连接网络准确学习到多源特征即第一负荷时序特征和影响因素特征，从而使得基于多源特征获取到的短期负荷预测结果准确性较高。

【技术实现步骤摘要】
短期负荷预测方法、短期负荷预测模型训练方法及装置
本专利技术涉及能源领域，尤其涉及短期负荷预测方法、短期负荷预测模型训练方法及装置。
技术介绍
负荷预测是能源规划、经济运行和能源管理的重要基础，通常包括长期负荷预测，中期负荷预测和短期负荷预测，其中，短期负荷预测一般指的是对预测对象未来一天或者一周的负荷进行预测，短期负荷的特点在于会受到天气、设备状况、重大社会活动等因素的影响较大，因此准确的对短期负荷进行预测存在较大的困难。目前，在对短期负荷进行预测时，常常使用ARMA等时间序列模型，基于时间序列模型得到的短期负荷预测结果往往是根据一个相对较短时间间隔内的负荷时序数据得到的，因此仅考虑了时间因素对短期负荷预测结果的影响，考虑影响因素过于单一，从而使得获取到的短期预测结果准确性较低。
技术实现思路
本专利技术提供了一种短期负荷预测方法、短期负荷预测模型训练方法、装置、可读介质及电子设备，通过引入多源数据即负荷时序数据和影响因素数据，并利用长短期记忆网络和全连接网络准确学习到多源特征即第一负荷时序特征和影响因素特征，从而本文档来自技高网...

【技术保护点】
1.一种短期负荷预测方法，其特征在于，包括：/n获取待预测数据，所述待预测数据包括负荷时序数据和影响因素数据；/n基于所述负荷时序数据和已训练的预测模型中的长短期记忆网络，获取第一负荷时序特征；/n基于所述影响因素数据和已训练的预测模型中的全连接网络，获取影响因素特征；/n基于所述第一负荷时序特征、所述影响因素特征和所述已训练的预测模型中的输出网络，获取所述待预测数据对应的短期负荷预测结果。/n

【技术特征摘要】
1.一种短期负荷预测方法，其特征在于，包括：
获取待预测数据，所述待预测数据包括负荷时序数据和影响因素数据；
基于所述负荷时序数据和已训练的预测模型中的长短期记忆网络，获取第一负荷时序特征；
基于所述影响因素数据和已训练的预测模型中的全连接网络，获取影响因素特征；
基于所述第一负荷时序特征、所述影响因素特征和所述已训练的预测模型中的输出网络，获取所述待预测数据对应的短期负荷预测结果。


2.根据权利要求1所述短期负荷预测方法，其特征在于，所述长短期记忆网络包括第一长短期记忆网络层和第二长短期记忆网络层，则所述获取第一负荷时序特征，包括：
将所述负荷时序数据输入所述第一长短期记忆网络层，获取第二负荷时序特征；
将所述第二负荷时序特征输入所述第二长短期记忆网络层，获取第一负荷时序特征。


3.根据权利要求1所述的短期负荷预测方法，其特征在于，所述负荷时序数据包括时刻负荷时序数据，日负荷时序数据和周负荷时序数据。


4.根据权利要求3所述的短期负荷预测方法，其特征在于，所述长短期记忆网络包括第一长短期记忆网络，第二长短期记忆网络和第三长短期记忆网络，则所述获取第一负荷时序特征，包括：
将所述时刻负荷时序数据输入已训练的预测模型中的所述第一长短期记忆网络，获取时刻负荷时序特征；
将所述日负荷时序数据输入已训练的预测模型中的所述第二长短期记忆网络，获取日负荷时序特征；
将所述周负荷时序数据输入已训练的预测模型中的所述第三长短期记忆网络，获取周负荷时序特征；
基于所述时刻负荷时序特征、所述日负荷时序特征和所述周负荷时序特征，获取第一负荷时序特征。


5.根据权利要求1所述的短期负荷预测方法，其特征在于，所述全连接网络包括第一全连接网络层和第二全连接网络层，则所述获取影响因素特征，包括：
将所述影响因素数据输入所述已训练的预测模型中所述第一全连接网络层，获取编码因素特征；
将所述编码因素特征输入所述已训练的预测模型中所述第二全连接网络层，获取影响因素特征。

【专利技术属性】
技术研发人员：赵蕾，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：北京;11