一种基于attention-BiLSTM的短期电力负荷预测方法及系统技术方案

本发明专利技术公开一种基于attention

【技术实现步骤摘要】
一种基于attention
‑
BiLSTM的短期电力负荷预测方法及系统


[0001]本专利技术属于电力负荷预测
，尤其涉及一种基于attention
‑
BiLSTM的短期电力负荷预测方法及系统。

技术介绍

[0002]在现代电力系统发展中，准确的负荷预测一直至关重要。它为经济运行、调度电力交易和评估系统安全提供了必要的信息。特别是，短期负荷预测的预测范围是几分钟至两周的。一个可靠的短期负荷预测有助于企业和操作员作出决策。然而，由气候变化和分布式可再生能源(DRES)引起的负荷分布存在显著的不确定性。DRES的随机性，如光伏，风电等，使得负荷更难预测。因此，仅利用历史区负荷测量和天气条件数据，建立一个准确预测区负荷和捕获不确定性的模型具有挑战性。
[0003]电力系统负荷受天气、节假日、特殊事件等因素的影响，负荷变化随机性较大。分布式电源的接入和电动汽车的广泛应用进一步加大了负荷的随机性和波动性，增加了负荷精准预测难度。

技术实现思路

[0004]本专利技术提供一种基于attention
‑
BiLSTM的短期电力负荷预测方法及系统，用于解决电力系统负荷受因素影响，负荷变化随机性较大无法实现负荷精准预测的技术问题。
[0005]第一方面，本专利技术提供一种基于attention
‑
BiLSTM的短期电力负荷预测方法，包括：获取各个用户的历史负荷数据，根据所述历史负荷数据形成历史负荷曲线；基于用户的典型周负荷特征向量对所述历史负荷曲线进行标记，并把与具有标记的历史负荷曲线相对应的历史负荷数据整合为目标负荷数据集；根据所述负荷目标数据集构建基于时间注意力机制的BiLSTM模型，其中，所述BiLSTM模型中包含基于attention
‑
BiLSTM的编码器和解码器；将用户当前时刻的负荷数据输入至所述BiLSTM模型中，输出得到下一个时间点的负荷。
[0006]第二方面，本专利技术提供一种基于attention
‑
BiLSTM的短期电力负荷预测系统，包括：获取模块，配置为获取各个用户的历史负荷数据，根据所述历史负荷数据形成历史负荷曲线；标记模块，配置为基于用户的典型周负荷特征向量对所述历史负荷曲线进行标记，并把与具有标记的历史负荷曲线相对应的历史负荷数据整合为目标负荷数据集；构建模块，配置为根据所述负荷目标数据集构建基于时间注意力机制的BiLSTM模型，其中，所述BiLSTM模型中包含基于attention
‑
BiLSTM的编码器和解码器；输出模块，配置为将用户当前时刻的负荷数据输入至所述BiLSTM模型中，输出得到下一个时间点的负荷。
[0007]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的基于attention
‑
BiLSTM的短期电力负荷预测方法的步骤。
[0008]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述
程序指令被处理器执行时，使所述处理器执行本专利技术任一实施例的基于attention
‑
BiLSTM的短期电力负荷预测方法的步骤。
[0009]本申请的基于attention
‑
BiLSTM的短期电力负荷预测方法及系统，通过每个用户的典型周负荷特征向量来标记此用户的历史负荷曲线，并把具有标记的多个用户的历史数据整合为一个数据集。最后，使用新生成的数据集来训练一个预测模型。其中，使用BiLSTM生成负荷序列的表示向量，使用全连接网络进一步学习。BiLSTM可以避免梯度消失/爆炸的问题，并且共享多个用户负荷变化的共性，也保留了每个用户行为的个性，同时显式地强调了用户间的相似性，具有更强的泛化能力和更高的预测精度。
附图说明
[0010]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1为本专利技术一实施例提供的一种基于attention
‑
BiLSTM的短期电力负荷预测方法的流程图；
[0012]图2为本专利技术一实施例提供一个具体实施例的attention
‑
BiLST预测模型网络结构图；
[0013]图3为本专利技术一实施例提供的一个具体实施例的基于attention
‑
BiLSTM的编码器；
[0014]图4为本专利技术一实施例提供的一个具体实施例的基于attention
‑
BiLSTM的解码器；
[0015]图5为本专利技术一实施例提供的一种基于attention
‑
BiLSTM的短期电力负荷预测系统的结构框图；
[0016]图6是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]请参阅图1，其示出了本申请的一种基于attention
‑
BiLSTM的短期电力负荷预测方法的流程图。
[0019]如图1所示，基于attention
‑
BiLSTM的短期电力负荷预测方法具体包括以下步骤：
[0020]步骤S101，获取各个用户的历史负荷数据，根据所述历史负荷数据形成历史负荷曲线。
[0021]步骤S102，基于用户的典型周负荷特征向量对所述历史负荷曲线进行标记，并把与具有标记的历史负荷曲线相对应的历史负荷数据整合为目标负荷数据集。
[0022]步骤S103，根据所述负荷目标数据集构建基于时间注意力机制的BiLSTM模型，其
中，所述BiLSTM模型中包含基于attention
‑
BiLSTM的编码器和解码器。
[0023]在本实施例中，获取用户的目标序列历史负荷数据Y＝(y1，y2，...，y
T
)，并提取所述目标序列历史负荷数据中的特征矩阵X＝(x1，x2，...，x
T
)＝(x1，x2，...，x
M)T
；
[0024]基于所述目标序列历史负荷数据Y＝(y1，y2，...，y
T
)和所述特征矩阵X＝(x1，x2，...，x
T<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于attention
‑
BiLSTM的短期电力负荷预测方法，其特征在于，包括：获取各个用户的历史负荷数据，根据所述历史负荷数据形成历史负荷曲线；基于用户的典型周负荷特征向量对所述历史负荷曲线进行标记，并把与具有标记的历史负荷曲线相对应的历史负荷数据整合为目标负荷数据集；根据所述负荷目标数据集构建基于时间注意力机制的BiLSTM模型，其中，所述BiLSTM模型中包含基于attention
‑
BiLSTM的编码器和解码器；将用户当前时刻的负荷数据输入至所述BiLSTM模型中，输出得到下一个时间点的负荷。2.根据权利要求1所述的一种基于attention
‑
BiLSTM的短期电力负荷预测方法，其特征在于，所述根据所述负荷目标数据集构建基于时间注意力机制的BiLSTM模型包括：获取用户的目标序列历史负荷数据Y＝(y1，y2，...，y
T
)，并提取所述目标序列历史负荷数据中的特征矩阵X＝(x1，x2，...，x
T
)＝(x1，x2，...，x
M
)
T
；基于所述目标序列历史负荷数据Y＝(y1，y2，...，y
T
)和所述特征矩阵X＝(x1，x2,...，x
T
)＝(x1，x2，...，x
M
)
T
构建BiLSTM模型，其中，所述BiLSTM模型预测下一个时间点的负荷y
T+1
的表达式为：式中，T为编码器中的迭代时间步长，y
T
为T时刻负荷数据，F
Ω
为BiLSTM拟合函数，x
T
为T时刻特征数据。3.根据权利要求1所述的一种基于attention
‑
BiLSTM的短期电力负荷预测方法，其特征在于，所述将用户当前时刻的负荷数据输入至所述BiLSTM模型中，输出得到下一个时间点的负荷包括：将用户当前时刻的负荷数据作为所述编码器的输入，使所述编码器输出BiLSTM网络在每个时间步长上的状态集将所述编码器输出BiLSTM网络在每个时间步长上的状态集的加权和作为所述解码器的输入向量c
t
，使所述解码器输出LSTM网络的最终隐藏状态d
t
，其中，计算所述解码器的输入c
t
的表达式为：式中，为在t时刻上第τ个解码输出的重要性程度，h
τ
为第τ个隐藏层状态；根据所述输入向量c
t
和所述最终隐藏状态d
t
计算下一个时间点的负荷，其中，计算下一个时间点的负荷表达式为：式中，为T+1时刻的预测值，V
y
、b
w
分别为全连通层的权值和偏差。4.根据权利要求3所述的一种基于attention
‑
BiLSTM的短期电力负荷预测方法，其特征在于，所述将所述负荷目标数据集中的各个符合目标数据作为所述编码器的输入，使所
述编码器输出BiLSTM网络在每个时间步长上的状态集包括：基于时间注意力机制计算每个隐藏层状态h
t
的时...

【专利技术属性】
技术研发人员：王虎，傅皆恺，刘秋林，崔明杰，张吴敏，宁涛，黄佳新，谈歆，彭裕恒，彭斌华，许祖昕，朱自伟，许勇，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：