一种基于特征融合的短期用电预测方法技术

本发明专利技术公开了一种基于特征融合的短期用电预测方法。方法建立电力用电预测模型，根据历史采集的电力参数数据输入到电力用电预测模型中进行训练，再利用训练后的电力用电预测模型对待测的电力数据进行处理获得未来时刻的电力参数数据。本发明专利技术采用并行的特征提取方法，降低单个子模型的特征提取误差；同时在编码器解码器架构的特征提取分支上加入注意力机制，提高用电量预测的精度。提高用电量预测的精度。提高用电量预测的精度。

【技术实现步骤摘要】
一种基于特征融合的短期用电预测方法


[0001]本专利技术涉及了一种电力预测方法，尤其是涉及一种基于电力特征融合的短期时序预测方法。

技术介绍

[0002]用电量的预测成为国内外电网行业的重要研究问题。它是“智能电网”的重要组成部分，准确预测用电量，可以为电网对电力资源分配、平衡供电、线路电量损耗提供了重要参考依据，对国家电网的用电智能调度工作具有指导意义。
[0003]由于时间序列数据同时具有统计性和时序性两种特征，要达到理想的预测效果必须解决这两类特征的挖掘。但是，在用电量预测方法中，大部分预测方法是利用单个模型对时序数据的时序性特征进行提取，预测效果往往不佳。

技术实现思路

[0004]为了解决
技术介绍
中存在的问题，本专利技术目的在于一种基于电力特征融合的短期时序预测方法，能够提高短期负荷预测精度，解决用电量短期预测精度问题，可以在电力行业中通过精准的用电量预测和负荷预测等能够给电网提供参考，降低决策代价。
[0005]本专利技术的技术方案如下：
[0006]方法建立电力用电预测模型，根据历史采集的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合的短期用电预测方法，其特征在于：方法建立电力用电预测模型，根据历史采集的电力参数数据输入到电力用电预测模型中进行训练，再利用训练后的电力用电预测模型对待测的电力数据进行处理获得未来时刻的电力参数数据。2.根据权利要求1所述的一种基于特征融合的短期用电预测方法，其特征在于：所述的电网运检识别模型包括编码器
‑
解码器架构和TCN网络的两部分；电力参数数据先分别输入到编码器
‑
解码器架构和TCN网络中进行分别处理，TCN网络处理输出统计性特征，编码器
‑
解码器架构输出序列性特征，再将序列性特征和统计性特征一起通过特征融合进行处理获得最终的预测结果。3.根据权利要求1所述的一种基于特征融合的短期用电预测方法，...

【专利技术属性】
技术研发人员：周冬成，茹传红，秦建松，何强，钱志杰，方超，方珺，傅国生，郑伟，徐梁峰，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，
类型：发明
国别省市：