【技术实现步骤摘要】
本专利技术涉及电力系统中电力负荷预测领域，尤其涉及一种基于时频信息融合的电力负荷预测方法、装置及设备。
技术介绍
1、电力需求十分巨大，如何使得电力的供给和需求保持在一个相对平稳的状态，对于电力系统中的各个参与方都有着十分重要的意义，因此对于用电负荷的情况进行预测是一直以来的研究热点。目前的电力负荷预测方法主要可以分为三类，分别是：传统统计学方法、机器学习方法以及深度学习方法；其中，基于深度学习的预测方法在不需要复杂的数据处理和特征工程的情况下就能够很好的建模非线性依赖关系，在面对电力负荷这种具有明显时间依赖性的时序数据时具有很好的预测效果，近年来有大量基于深度学习的预测模型在电力负荷的预测上取得了十分瞩目的效果，例如：循环神经网络(rnn)、长短期记忆网络(lstm)等。
2、电力负荷数据作为时间序列数据的一种，往往具有时间域和频率域两种特征，时间域的特征反映出了数据随时间的动态变化过程，是一种较为直观的信息，而频率域的特征则是从更底层的角度反映出了数据的组成成分，是一种更为基础的信息，二者在模型捕获时间上的依赖关系时发挥着至关重要的作用。但是，目前大多数的电力负荷预测模型往往更关注于时间域特征或者频率域特征中的一个，而电力负荷数据作为一种周期性很强的数据，现有模型的处理方式使得其无法对电力负荷的情况做出精准的预测。
技术实现思路
1、本专利技术的目的是克服现有技术中存在的电力负荷预测精度低的缺陷与问题，提供一种预测精度高的基于时频信息融合的电力负荷预测方法、装置及设
2、为实现以上目的，本专利技术的技术解决方案是：一种基于时频信息融合的电力负荷预测方法，包括：
3、获取电力负荷数据，并将电力负荷数据划分成训练集、验证集和测试集三个部分；
4、构建电力负荷预测模型，该模型包括输入层、编码层和输出层；所述输入层用于对电力负荷数据进行归一化、分块和特征嵌入处理，并将得到的时间域特征输入到编码层中；所述编码层用于先将时间域的特征转换到频率域得到频率域特征，再将时间域特征和频率域特征进行信息融合得到时频域融合特征，然后提取时频域融合特征中的依赖关系；所述输出层用于将时频域融合特征转换为时间域上的预测结果；
5、采用训练集的电力负荷数据对电力负荷预测模型进行训练，得到训练好的电力负荷预测模型；
6、将待预测的电力负荷数据输入训练好的电力负荷预测模型进行预测。
7、所述归一化处理是指对电力负荷数据进行可逆归一化处理。
8、所述分块处理是指通过预先定义好的滑动窗口将电力负荷数据划分成若干个子序列。
9、所述特征嵌入处理是指将低纬度的电力负荷数据扩展为更高维度的时间域特征。
10、所述编码层包括多个编码模块，所述编码模块包括傅里叶变换层、时频域信息融合层、时频域特征处理层和前馈网络；
11、所述傅里叶变换层用于将时间域的特征转换到频率域得到频率域特征；
12、所述时频域信息融合层用于通过注意力机制或特征连接的方式将时间域和频率域的特征进行融合得到时频域融合特征；
13、所述时频域特征处理层用于通过注意力机制捕获时频域中的依赖关系；
14、所述前馈网络用于得到时频域融合特征的编码结果。
15、所述输出层先对时频域融合特征的编码结果进行平展，然后将平展后的特征投影到预先定义的预测长度得到电力负荷预测模型最终的预测结果。
16、所述采用训练集的电力负荷数据对电力负荷预测模型进行训练，得到训练好的电力负荷预测模型，包括：
17、采用训练集的电力负荷数据对电力负荷预测模型进行训练，将模型的预测结果与真实值进行比较构建损失函数，以此为基础进行模型的反向传播训练；
18、在训练过程中使用验证集中的电力负荷数据对训练好的电力负荷预测模型进行测试，在满足预先设定的条件后将验证集上表现最好的模型作为最终的电力负荷预测模型。
19、一种基于时频信息融合的电力负荷预测装置，该装置应用于上述所述的方法，所述装置包括：
20、电力负荷数据获取模块，用于获取电力负荷数据，并将电力负荷数据划分成训练集、验证集和测试集三个部分；
21、电力负荷预测模型构建模块，用于构建电力负荷预测模型，该模型包括输入层、编码层和输出层；所述输入层用于对电力负荷数据进行归一化、分块和特征嵌入处理，并将得到的时间域特征输入到编码层中；所述编码层用于先将时间域的特征转换到频率域得到频率域特征，再将时间域特征和频率域特征进行信息融合得到时频域融合特征，然后提取时频域融合特征中的依赖关系；所述输出层用于将时频域融合特征转换为时间域上的预测结果；
22、电力负荷预测模型训练模块，用于采用训练集的电力负荷数据对电力负荷预测模型进行训练，得到训练好的电力负荷预测模型；
23、电力负荷预测模块，用于将待预测的电力负荷数据输入训练好的电力负荷预测模型进行预测。
24、一种基于时频信息融合的电力负荷预测设备，包括存储器和处理器；
25、所述存储器，用于存储计算机程序代码，并将所述计算机程序代码传输给所述处理器；
26、所述处理器，用于根据所述计算机程序代码中的指令执行如上述所述的方法。
27、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的方法。
28、与现有技术相比，本专利技术的有益效果为：
29、本专利技术一种基于时频信息融合的电力负荷预测方法、装置及设备中，将时间域和频率域的信息进行融合处理，解决电力负荷预测中仅使用时间域或频率域特征导致的预测精度不佳的问题，使得模型既能够关注到电力负荷随时间的动态变化过程，又能够捕获到电力负荷的周期性依赖信息，从而有效提升电力负荷预测的精度。
本文档来自技高网...【技术保护点】
1.一种基于时频信息融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述归一化处理是指对电力负荷数据进行可逆归一化处理。
3.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述分块处理是指通过预先定义好的滑动窗口将电力负荷数据划分成若干个子序列。
4.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述特征嵌入处理是指将低纬度的电力负荷数据扩展为更高维度的时间域特征。
5.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，
6.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述输出层先对时频域融合特征的编码结果进行平展，然后将平展后的特征投影到预先定义的预测长度得到电力负荷预测模型最终的预测结果。
7.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述采用训练集的电力负荷数据对电力负荷预测模型进行训练，得到训练好的电
8.一种基于时频信息融合的电力负荷预测装置，其特征在于，该装置应用于权利要求1-7任一项所述的方法，所述装置包括：
9.一种基于时频信息融合的电力负荷预测设备，其特征在于，
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种基于时频信息融合的电力负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述归一化处理是指对电力负荷数据进行可逆归一化处理。
3.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述分块处理是指通过预先定义好的滑动窗口将电力负荷数据划分成若干个子序列。
4.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，所述特征嵌入处理是指将低纬度的电力负荷数据扩展为更高维度的时间域特征。
5.根据权利要求1所述的一种基于时频信息融合的电力负荷预测方法，其特征在于，
6.根据权利要求1所述的一种基于时频信息融合的电力负荷预测...
【专利技术属性】
技术研发人员：郭兆丰，杨昊宁，李想，陈家璘，李磊，陈军，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
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。