一种基于图神经网络的个人用户短期负载预测方法技术

本发明专利技术公开了一种基于图神经网络的个人用户短期负载预测方法。本方法利用用户使用的不同用电器用电行为之间的内在联系，从长期和短期两个不同的时间尺度分别构建描述不同用电器用电行为之间关系的图结构，即长期静态图和短期动态图，通过一个两分支的图神经网络分别针对长期静态图和短期动态图进行时空关系学习，分别得到两个隐向量，然后利用一个多层感知机将两个隐向量所对应分支中蕴含的信息进行融合，进而得到最终的预测结果。本发明专利技术方法使用两种类型的图(即长期静态图与短期动态图)使表征的不同用电器用电行为之间的关联更加准确，有助于得到更加准确的负载预测结果。有助于得到更加准确的负载预测结果。有助于得到更加准确的负载预测结果。

【技术实现步骤摘要】
一种基于图神经网络的个人用户短期负载预测方法


[0001]本专利技术属于居民负载预测
，具体涉及一种基于图神经网络的个人用户短期负载预测方法。

技术介绍

[0002]居民负载预测旨在估计居民未来某一时刻或某一时段时间内的用电量，准确的负载预测可以指导电能的输送过程，减少不必要的电力输送带来的损失。同时，准确的居民负载预测因其在电能分配和调度中的重要作用而在未来智能电网的发展过程中扮演着越来越重要的角色。与汇聚的居民负载预测相比，针对个人用户的负载预测往往更具有挑战性，因为个人的用电行为具有随机性与动态性，一些深度学习的方法，仅利用用户的总负载值作为输入，没有考虑不同用电器的用电行为之间的关联，导致预测性能受限，而少数采用了划分用电器的负载数据的方法往往将不同用电器用电行为之间的关系等同对待，也使得预测的准确性不理想。

技术实现思路

[0003]针对现有技术中的上述不足，本专利技术提供的基于图神经网络的个人用户短期负载预测方法解决了现有的负载预测方法中没有考虑不同用电器的用电行为之间的关联，导致预测性能受限的问题。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的个人用户短期负载预测方法，其特征在于，包括以下步骤：S1、获取个人用户的多用电器负载时间序列数据；S2、基于多用电器负载时间序列数据，构建不同用电器用电行为之间的关系图；S3、基于关系图，提取不同用电器用电行为之间的时空关系；S4、基于时空关系，进行个人用户短期负载预测。2.根据权利要求1所述的基于图神经网络的个人用户短期负载预测方法，其特征在于，所述步骤S2中的关系图包括短期动态图以及长期静态图；所述短期动态图表征不同用电器用电行为之间的内在关联，且随着固定时间间隔进行更新；所述长期静态图表征在一段时间段内个人用户使用不同用电器的用电行为模式。3.根据权利要求2所述的基于图神经网络的个人用户短期负载预测方法，其特征在于，所述短期动态图中的节点为N个用电器，边为不同用电器用电器行为之间的关系；所述短期动态图的构建方法为：A1、获取T个时间间隔内N个用电器是否发生用电事件的矩阵E；A2、确定矩阵E中用电器A
i
和用电器A
j
发生用电事件之间的单向关系；其中，下标i和j均为用电器序数，且均小于N；A3、基于A2中的方法，确定N个用电器用电行为之间关系的边权矩阵W，并对其进行优化；A4、根据优化后的边权矩阵确定邻接矩阵A
short
作为短期动态图中各节点之间的连通关系，完成短期动态图的构建。4.根据权利要求3所述的基于图神经网络的个人用户短期负载预测方法，其特征在于，所述步骤A1中，确定用电器是否发生用电事件的方法为：判断用电器在T个时间间隔内的原始负载是否小于其对应的待机功率，若是则未发生用电事件，否则发生用电事件；所述待机功率为用电器在接入电源但处于关闭或待机状态下产生的功率；所述步骤A1中，矩阵E中在第t个时间间隔内第j个用电器的用电事件E
tj
为：式中，D
tj
为第t个时间间隔内第j个用电器的原始负载，thres
j
为第j个用电器的待机功率，E
tj
＝0则未发生用电事件，E
tj
＝1则发生用电事件；所述步骤A2中，用电器A
i
发生用电事件和用电器A
j
发生用电事件之间的单向关系P(A
i
→
A
j
|t＝T)为：式中，为T个时间间隔内用电器A
i
发生用电事件的数量，为T个时间间隔内用电器A
i
发生用电事件后，用电器A
j
发生用电事件的数量；
所述步骤A3中，边权矩阵W中的元素W
ij
为：W
ij
＝sigmoid(P(A
i
→
A
j
|t＝T))式中，sigmoid(
·
)为激活函数；所述步骤A3中，优化后的边权矩阵中的元素为：式中，ReLU(
·
)为激活函数，θ为人工划分阈值；所述步骤A4中，邻接矩阵A
short
为：5.根据权利要求2所述的基于图神经网络的个人用户短期负载预测方法，其特征在于，所述长期静态图中的节点为N个用电器，边为不同用电器用电行为之间的长期关联；所述长期静态图的构建方法具体为：B1、两次分别随机初始化节点嵌入，并利用节点嵌入获得节点的隐藏表...

【专利技术属性】
技术研发人员：周颖杰，邓怡然，张颉，
申请(专利权)人：四川大学，
类型：发明
国别省市：