一种耗电量的预测方法技术

本发明专利技术提供一种耗电量的预测方法

【技术实现步骤摘要】
一种耗电量的预测方法、装置及终端


[0001]本专利技术涉及耗电量预测
，尤其涉及一种耗电量的预测方法
、
装置及终端
。

技术介绍

[0002]电力工业是国家在能源领域的重大基础行业，电力是国民经济的命脉，对于我国经济建设
、
国家安全
、
社会稳定
、
生活质量具有至关重要的作用
。
对耗电量进行预测，有利于合理规划电能供应，提高供电管理的效果
。
[0003]传统的耗电量预测方法主要利用历史数据和统计模型进行预测，平均法是传统耗电量预测的一种常用的方法，该方法简单地将历史数据中的平均值作为未来的预测值，使用历史数据训练选定的预测模型，对模型进行迭代训练和验证，并根据模型表现找到最佳的参数组合
。
然而平均法对异常值非常敏感，如果历史数据中存在异常值，如极端高或低的耗电量值，这些异常值会对平均值产生较大影响，从而导致预测结果的偏差，从而导致预测耗电量的准确度降低
。

技术实现思路

[0004]本专利技术实施例提供了一种耗电量的预测方法
、
装置及终端，以解决平均法预测耗电量的准确度较低的问题
。
[0005]第一方面，本专利技术实施例提供了一种耗电量的预测方法，包括：获取历史耗电量数据；根据历史耗电量数据以及预设模型，获取预测耗电量数据；根据预测耗电量数据以及提取器，生成特征数据；将特征数据分为第一预测区间和第二预测区间，通过第一解码器对第一预测区间进行预测，以得到第一查询结果，根据第一查询结果以及第二预测区间，采用第二解码器预测第二预测区间的结果，以得到带间隔的预测耗电量数据；根据带间隔的预测耗电量数据以及第一模型框架，获取带有信息杂质的预测耗电量数据；根据带有信息杂质的预测耗电量数据以及第二模型框架，获取目标预测耗电量数据
。
[0006]在一种可能的实现方式中，根据历史耗电量数据以及预设模型，获取预测耗电量数据包括：将历史耗电量数据进行归一化处理，以得到归一化处理之后的历史耗电量数据；对每个单变量的归一化处理之后的历史耗电量数据进行分割，以得到重叠或非重叠的补丁；采用
TSMixer
骨干网络将重叠或非重叠的补丁进行转换，以得到学习权重；其中，学习权重在
TSMixer
骨干网络中的通道之间共享；将学习权重输入到在
TSMixer
骨干网络堆叠混合器层中，以得到杂质特征；
采用门控注意力块过滤杂质特征，以得到纯净特征；根据纯净特征以及在
TSMixer
骨干网络中添加的预测数据，获取多变量时间序列；调整多变量时间序列的内在时间层次结构和通道间依赖性，以得到预测耗电量数据
。
[0007]在一种可能的实现方式中，采用门控注意力块过滤杂质特征，以得到纯净特征包括：根据注意力权重以及混合器层的隐藏张量，计算得到纯净特征
。
[0008]在一种可能的实现方式中，根据预测耗电量数据以及提取器，生成特征数据包括：将预测耗电量数据进行图卷积变换，以得到变换后的预测耗电量；通过卷积操作符对变换后的预测耗电量的每个节点进行处理，以将变换后的预测耗电量的单通道拓展为多通道；根据变换后的预测耗电量
、
多通道以及归一化嵌入高斯函数，计算变换后的预测耗电量中节点与节点之间的相似性，以得到变换后的预测耗电量的相似性矩阵；根据变换后的预测耗电量的相似性矩阵以及随机相似性矩阵，获取半自适应图；根据半自适应图与自注意模块，利用权重矩阵将变换后的预测耗电量的特征进行加权汇总，以得到特征数据
。
[0009]在一种可能的实现方式中，变换后的预测耗电量中节点与节点之间的相似性的计算方法包括：；
[0010]其中，和表示经过
f
变换后的第
i
个和第
j
个节点张量，和是两个卷积操作符，
T
代表输入模型的观测点数量，
V
是变量的数量
。
[0011]在一种可能的实现方式中，根据带间隔的预测耗电量数据以及第一模型框架，获取带有信息杂质的预测耗电量数据包括：将带间隔的预测耗电量数据转换为图结构；其中，图结构为每个时间点与耗电量数据构成；对每个时间点对应的耗电量数据进行局部特征提取，以得到局部特征；采用图卷积网络对图结构进行卷积处理，以得到全局特征；通过解码器对局部特征和全局特征进行合成，以得到带有信息杂质的预测耗电量数据
。
[0012]在一种可能的实现方式中，根据带有信息杂质的预测耗电量数据以及第二模型框架，获取目标预测耗电量数据包括：通过注意力机制和位置逐元素前馈网络对带有信息杂质的预测耗电量数据进行处理，以得到处理后的带有信息杂质的预测耗电量数据；通过残差连接和层归一化对处理后的带有信息杂质的预测耗电量数据进行处理，以得到目标预测耗电量数据
。
[0013]在一种可能的实现方式中，在获取历史耗电量数据之后，还包括：对历史耗电量数据进行平滑处理，以得到平滑后的历史耗电量数据；
将平滑后的历史耗电量数据转换为具有固定时间间隔的历史耗电量数据，以得到预处理之后的历史耗电量数据
。
[0014]第二方面，本专利技术实施例提供了一种耗电量的预测装置，包括：数据获取模块，用于获取历史耗电量数据；初始预测模块，用于根据历史耗电量数据以及预设模型，获取预测耗电量数据；特征生成模块，用于根据预测耗电量数据以及提取器，生成特征数据；间隔获取模块，用于将特征数据分为第一预测区间和第二预测区间，通过第一解码器对第一预测区间进行预测，以得到第一查询结果，根据第一查询结果以及第二预测区间，采用第二解码器预测第二预测区间的结果，以得到带间隔的预测耗电量数据；杂质获取模块，用于根据带间隔的预测耗电量数据以及第一模型框架，获取带有信息杂质的预测耗电量数据；目标预测模块，用于根据带有信息杂质的预测耗电量数据以及第二模型框架，获取目标预测耗电量数据
。
[0015]第三方面，本专利技术实施例提供了一种终端，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤
。
[0016]第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤
。
[0017]本专利技术实施例提供的一种耗电量的预测方法
、
装置及终端的有益效果在于：本专利技术通过将历史耗电量数据输入到预设模型中，以获取预测耗电量数据，然后根据预测耗电量数据以及提取器，生成特征数据，然后根据特征数据以及预测器，获取带间隔的预测耗电量数据，然后根据带间隔的预测耗电量数据以及第一模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种耗电量的预测方法，其特征在于，包括：获取历史耗电量数据；根据所述历史耗电量数据以及预设模型，获取预测耗电量数据；根据所述预测耗电量数据以及提取器，生成特征数据；将所述特征数据分为第一预测区间和第二预测区间，通过第一解码器对所述第一预测区间进行预测，以得到第一查询结果，根据所述第一查询结果以及所述第二预测区间，采用第二解码器预测所述第二预测区间的结果，以得到带间隔的预测耗电量数据；根据所述带间隔的预测耗电量数据以及第一模型框架，获取带有信息杂质的预测耗电量数据；根据所述带有信息杂质的预测耗电量数据以及第二模型框架，获取目标预测耗电量数据
。2.
根据权利要求1所述的耗电量的预测方法，其特征在于，所述根据所述历史耗电量数据以及预设模型，获取预测耗电量数据包括：将所述历史耗电量数据进行归一化处理，以得到归一化处理之后的历史耗电量数据；对每个单变量的所述归一化处理之后的历史耗电量数据进行分割，以得到重叠或非重叠的补丁；采用
TSMixer
骨干网络将所述重叠或所述非重叠的补丁进行转换，以得到学习权重；其中，所述学习权重在所述
TSMixer
骨干网络中的通道之间共享；将所述学习权重输入到在所述
TSMixer
骨干网络堆叠混合器层中，以得到杂质特征；采用门控注意力块过滤所述杂质特征，以得到纯净特征；根据所述纯净特征以及在所述
TSMixer
骨干网络中添加的预测数据，获取多变量时间序列；调整所述多变量时间序列的内在时间层次结构和通道间依赖性，以得到所述预测耗电量数据
。3.
根据权利要求2所述的耗电量的预测方法，其特征在于，所述采用门控注意力块过滤所述杂质特征，以得到纯净特征包括：根据注意力权重以及所述混合器层的隐藏张量，计算得到所述纯净特征
。4.
根据权利要求1所述的耗电量的预测方法，其特征在于，所述根据所述预测耗电量数据以及提取器，生成特征数据包括：将所述预测耗电量数据进行图卷积变换，以得到变换后的预测耗电量；通过卷积操作符对所述变换后的预测耗电量的每个节点进行处理，以将所述变换后的预测耗电量的单通道拓展为多通道；根据所述变换后的预测耗电量
、
所述多通道以及归一化嵌入高斯函数，计算所述变换后的预测耗电量中节点与节点之间的相似性，以得到所述变换后的预测耗电量的相似性矩阵；根据所述变换后的预测耗电量的相似性矩阵以及随机相似性矩阵，获取半自适应图；根据所述半自适应图与自注意模块，利用权重矩阵将所述变换后的预测耗电量的特征进行加权汇总，以得到所述特征数据
。5.
根据权利要求4所述的耗电量的预测方法，其特征在于，所述变换后的预测耗电量中节点...

【专利技术属性】
技术研发人员：杨勇，彭浩，朱文亮，王昕洋，米艳鑫，何春山，刘明生，
申请(专利权)人：国网河北省电力有限公司邯郸供电分公司，
类型：发明
国别省市：