基于多元时间序列的电力负荷预测方法、装置及相关组件制造方法及图纸

本发明专利技术公开了基于多元时间序列的电力负荷预测方法、装置及相关组件，该方法包括获取电力负荷预测过程中的时序原始数据并进行预处理得到时序样本数据；构建时序样本数据的变量之间的图结构，根据图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵；将第一特征矩阵与时序样本数据进行特征融合，得到第二特征矩阵；对第二特征矩阵进行特提取得到新的特征序列并进行归一化操作，再进行全连接操作，从而构建得到时序预测模型，并利用时序预测模型输出预测值。本发明专利技术通过引入了时序数据的结构信息，并对时序数据时空特征进行充分提取，在电力负荷预测领域中具有提升预测精度的优点。

【技术实现步骤摘要】
基于多元时间序列的电力负荷预测方法、装置及相关组件
本专利技术涉及电力负荷预测
，尤其涉及一种基于多元时间序列的电力负荷预测方法、装置及相关组件。
技术介绍
随着社会的进步以及大数据技术的发展，产生了大量具有时空特性的时序数据，这些数据大多以多元特征的形式出现，普遍存在于各个领域，比如电力负荷预测领域。传统的时间序列预测方法在电力负荷预测领域的应用中，通过自回归模型(AR，MA，ARIMA，SARIMAX等)对时间序列的长期依赖性进行提取，在平稳、线性的条件下具有较好的预测结果，但对非线性的时序数据建模效果不理想，除此之外，该类模型也难以对多元数据进行建模，忽略了多元序列的空间相关性。而基于机器学习的预测模型(支持向量回归(SVR)，多元回归，决策回归树等)能对多元特征的空间依赖性进行提取，在一定程度提升了预测的精度，但是却忽略了时间序列的时间依赖性特征。现有对电力负荷预测的技术中，较为常用的是基于深度学习的时间序列预测方法，该类方法不仅能够对时间序列数据所蕴含的时空特征进行充分挖掘，还能在处理大样本数据时，展示其独特的优本文档来自技高网...

【技术保护点】
1.一种基于多元时间序列的电力负荷预测方法，其特征在于，包括：/n获取电力负荷预测过程中的时序原始数据；/n对所述时序原始数据进行预处理并得到时序样本数据；/n构建所述时序样本数据的变量之间的图结构，根据所述图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵；/n将所述第一特征矩阵与所述时序样本数据进行特征融合，得到第二特征矩阵；/n对所述第二特征矩阵进行编码并输出待解码序列，对所述待解码序列进行解码得到新的特征序列；/n对新的特征序列进行归一化操作，并将归一化操作后的数据进行全连接，构建得到时序预测模型，并利用所述时序预测模型输出预测值。/n

【技术特征摘要】
1.一种基于多元时间序列的电力负荷预测方法，其特征在于，包括：
获取电力负荷预测过程中的时序原始数据；
对所述时序原始数据进行预处理并得到时序样本数据；
构建所述时序样本数据的变量之间的图结构，根据所述图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵；
将所述第一特征矩阵与所述时序样本数据进行特征融合，得到第二特征矩阵；
对所述第二特征矩阵进行编码并输出待解码序列，对所述待解码序列进行解码得到新的特征序列；
对新的特征序列进行归一化操作，并将归一化操作后的数据进行全连接，构建得到时序预测模型，并利用所述时序预测模型输出预测值。


2.根据权利要求1所述的基于多元时间序列的电力负荷预测方法，其特征在于，对所述时序原始数据进行预处理并得到时序样本数据，包括：
检测所述时序原始数据的数据缺失量，利用插值算法或回归算法进行缺失值填充；
对填充缺失值后的所述时序原始数据进行数据标准化处理；
根据标准化处理后的所述时序原始数据得到时序样本数据。


3.根据权利要求1所述的基于多元时间序列的电力负荷预测方法，其特征在于，所述构建所述时序样本数据的变量之间的图结构，包括：
将所述时序样本数据的变量作为节点，以及将变量之间的相似度作为节点之间的边，并按如下公式计算变量之间的相似度，以构建出所述时序样本数据的变量之间的图结构：



其中，A[i，j]表示邻接矩阵中第i行第j列对应的元素；Ei为初始化的第i个节点的向量，Ej为初始化的第j个节点的向量，||Ei||表示第i个节点的向量的模，||Ej||表示第j个节点的向量的模。


4.根据权利要求3所述的基于多元时间序列的电力负荷预测方法，其特征在于，根据所述图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵，包括：
按如下公式获取所述时序样本数据中每一变量的空间向量表达：



其中，I是单位矩阵；表示的度矩阵；H(l)为l层的节点表示，H(0)为随机初始化的节点表示，W(l)表示权重矩阵；
根据得到的每一变量的空间向量表达构建所述第一特征矩阵。


5.根据权利要求1所述的基于多元时间序列的电力负荷预测方法，其特征在于，所述将所述第一特征矩阵与所述时序样本数据进行特征融合，得到第二特征矩阵，包括：
将所述第一特征矩阵输入sigmoid函数，并按如下公式获取概率向量：
P＝σ(WG·G+bG)；其中，σ表示sigmoid函数，G表示第一特征矩阵，WG和bG是线性变换的两个训练参数；
按如下公式提取图结构信息：
G'＝G·P；其中G'表示经过门控机制提取后的图结构信息；
按如下公式将所述时序样本数据与图结构信息进行特征融合；
X'＝X+G'T；其中，X'表示第二特征矩阵；X表示第一特征矩阵，G'T表示G'的转置矩阵。


6.根据权利要求5所述的基于多元时间序列的电力负荷预测方法，其特征在于，所述对所述第二特征矩阵进行编码并输出待解码序列，对所述待解码序列进行解码得到新的特征序列，包括：
将所述第二特征矩阵的当前特征序列输入编码器，按如下公式计算并得到每一所述当前特征序列的查询向量、键向量以及值向量：
q:i＝x'i.WQuery
k:i＝x'i.WKey
v:i＝x'i.WValue；

【专利技术属性】
技术研发人员：于翠翠，王伟，黄勇其，
申请(专利权)人：润联软件系统深圳有限公司，
类型：发明
国别省市：广东;44