基于多元自编码器的电力负荷预测方法，属于电力电网领域，本发明专利技术为解决现有电力负荷预测网络结构存在的问题。本发明专利技术所述预测方法采用基于编码器‑解码器架构的时间预测神经网络模型对电力负荷进行预测，时间预测模型采用多元自编码器实现；时间预测神经网络模型的构建步骤：S1、建立历史序列‑预测序列的训练集；S2、将历史序列拆分成趋势部分和周期部分；S3、MLP的编码器模块生成趋势部分编码；Transformer的编码器模块生成周期部分编码；S4、将两部分编码连接输入MLP的解码器模块进行解码得到最终的预测结果；S5、反复进行S2‑S4操作输出所有预测结果，利用损失函数计算真实序列与预测序列之间的损失，并根据损失值进行梯度反向传播和梯度下降更新模型参数。
【技术实现步骤摘要】
本专利技术涉及电力负荷预测技术，属于电力电网领域。
技术介绍
1、电力负荷预测在电力系统运行和规划中具有重要的意义。准确的负荷预测可为电力系统的供电调度提供指导，确保足够的电力供应，避免出现工序失衡和电力短缺等。随着人工智能技术的发展，神经网络技术逐渐取代了传统的机器学习、模式识别和统计方法，成为电力负荷预测
的主要角色，目前最流行的网络结构是mlp(multi-layerperceptron的缩写，多层感知机)和transformer(转换器模型)。mlp是基于多层感知机架构的神经网络，mlp具有较少的开销和更高的训练速度，使得它能够接受更长的输入序列从而有效捕捉序列的长期特征，但是它只能表达出输入输出之间的线性依赖关系，限制了其的应用范围；transformer是基于自注意力机制架构的神经网络，transformer利用多头注意力机制和前馈网络充分捕捉非线性依赖，但是自注意力机制的置换不变性质使得模型的编码中不包含输入序列的顺序特征，同时transformer在非平稳序列上表现很差，而非平稳序列是最常见的时间序列。
>2、可见，现有的主本文档来自技高网...
【技术保护点】
1.基于多元自编码器的电力负荷预测方法，其特征在于，所述预测方法采用基于编码器-解码器架构的时间预测神经网络模型对电力负荷进行预测，所述时间预测模型采用多元自编码器实现，所述多元自编码器包括编码和解码两部分，其中编码部分包括序列分解模块、截断处理模块、Transformer的编码器模块和MLP的编码器模块，解码部分采用MLP的解码器模块；
2.根据权利要求1所述基于多元自编码器的电力负荷预测方法，其特征在于，步骤S1中建立训练集的过程为：
3.根据权利要求2所述基于多元自编码器的电力负荷预测方法，其特征在于，步骤S11中数据预处理包括：填补缺失值、光滑噪声数据、平...
【技术特征摘要】
1.基于多元自编码器的电力负荷预测方法，其特征在于，所述预测方法采用基于编码器-解码器架构的时间预测神经网络模型对电力负荷进行预测，所述时间预测模型采用多元自编码器实现，所述多元自编码器包括编码和解码两部分，其中编码部分包括序列分解模块、截断处理模块、transformer的编码器模块和mlp的编码器模块，解码部分采用mlp的解码器模块；
2.根据权利要求1所述基于多元自编码器的电力负荷预测方法，其特征在于，步骤s1中建立训练集的过程为：
3.根据权利要求2所述基于多元自编码器的电力负荷预测方法，其特征在于，步骤s11中数据预处理包括：填补缺失值、光滑噪声数据、平滑或删除离群点。
4.根据权利要求1所述基于多元自编码器的电力负荷预测方法，其特征在于，步骤s2中序列...
【专利技术属性】
技术研发人员：王孝余，乔羽，马超，侯义凯，张罗刚，关志博，于海宁，孙迎港，李响，刘楠，李丹丹，王莹莹，尚方，刘生，史心月，袁泽，
申请(专利权)人：国网黑龙江省电力有限公司电力科学研究院，
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。