一种基于GRU-TCN模型的电网负荷预测方法技术

本发明专利技术公开了一种基于GRU

【技术实现步骤摘要】
一种基于GRU
‑
TCN模型的电网负荷预测方法


[0001]本专利技术涉及电网数字化建设领域，尤其涉及一种基于GRU
‑
TCN模型的电网负荷预测方法。

技术介绍

[0002]目前，电网(PG)公司已将数字化改造作为PG建设的重要部署，利用数字技术促进PG负荷的协调和互动，为PG赋能，从而提高供电服务水平，提升供电客户的满意度。数字化电网可以有效整合多种资源，促进数据共享，整合电力调度，从而提高PG各项业务的服务水平，实现电力负荷的自动计量。为了监测和感知PG的运行指标，提出了数字电网模型并应用于负荷预测。
[0003]目前，世界上还没有关于数字电网的正式定义，但有大量的相关研究成果。同时，数字电网的发展也丰富了负荷预测的研究内容，吸引了更多的专家学者前来探讨。利用不同时间尺度、不同精度的预测数据进行多级协调，逐步完善了冷、热、电的联合调试调度方案。但是现有技术中大多侧重于优化调度，没有对负荷预测进行深入研究。比如综合运用K
‑
means聚类、K
‑
>近邻分类和差分积分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GRU
‑
TCN模型的电网负荷预测方法，其特征在于，包括以下步骤：S1：采集预测日的电网中各设备的负荷数据，形成以时间为序列的负荷数据组其中n为负荷的种类，t为采集的时间；S2：对采集的负荷数据进行归一化处理，并根据相关值模型，选择相似日的电网中各设备的负荷数据，输入到负荷数据组中，扩大负荷数据组的数据量，得到归一化后的负荷预测数据组；S3：将负荷预测数据组输入到GRU
‑
TCN模型中，输出电网各时段的负荷预测值；S4：建立数字孪生电网，将负荷预测值输入到数字孪生电网中，输出真实负荷值；利用均方根误差RMSE对负荷预测值和真实负荷值进行评估，修正数字孪生电网的控制参数。2.根据权利要求1所述的基于GRU
‑
TCN模型的电网负荷预测方法，其特征在于，步骤S2包括以下子步骤：S21：将负荷数据组中的每个负荷数据进行归一化，并映射到区间[0，1]内，得到归一化值S22：计算负荷数据组中所有归一化后的数值的平均值S23：采集相似日的电网中各设备的负荷数据组S23：采集相似日的电网中各设备的负荷数据组其中m＝n，并利用步骤S21中的归一化方法，对负荷数据组中的负荷数据X
m
进行归一化，得到归一化值x
m
′
；S24：利用归一化值x
m
′
和平均值计算相关度R
X
；S25：将相似度R
X
与相似度阈值R
X阈值
进行比较，若R
X
≥R
X阈值
，则将该负荷数据X
m
加入到负荷数据组中；若R
X
＜R
X阈值
，则证明该负荷数据X
m
为不相关的变量，删除该负荷数据X
m
；S26：遍历相似日中采集的所有电网各设备的负荷数据X
m
，执行步骤S23
‑
S25，得到归一化后以时间为序列的负荷预测数据组化后以时间为序列的负荷预测数据组s为增加的负荷数据量。3.根据权利要求2所述的基于GRU
‑
TCN模型的电网负荷预测方法，其特征在于，步骤S21中的归一化方法为：其中，X
(t)
为负荷数据组中的任一负荷数据，分别为负荷数据组中的最大值和最小值。4.根据权利要求2所述的基于GRU
‑
TCN模型的电网负荷预测方法，其特征在于，步骤S24中利用归一化值x
m
′
和平均值计算相关度R
X
的方法为：
5.根据权利要求2所述的基于GRU
‑
TCN模型的电网负荷预测方法，其特征在于，步骤S3包括以下子步骤：S31：将负荷预测数据组作为输入矩阵；S32：将输入矩阵输入到TCN网络模型中，输出关于的特征矩阵F；S33：将输出矩阵F输入到全连接层中，输出由预测值组成的预测矩阵Y＝[Y1，Y2,
…
,Y
v
]，v为预测矩阵中预测值的数量；S34：将预测矩阵Y输入到GRU网络模型中，输出t时刻对应的状态值c
(t)
；S34：将输出的状态值c
(t)
作为电网的负荷预测值。6.根据权利要求5所述的基于GRU
...

【专利技术属性】
技术研发人员：钟加勇，陈咏涛，吕小红，籍勇亮，万凌云，高晋，厉仄平，靳敏，吴高翔，王雪文，晏尧，
申请(专利权)人：国网重庆市电力公司国家电网有限公司，
类型：发明
国别省市：