【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。