System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电网负荷预测领域,尤其涉及一种基于多源数据融合的电网负荷预测方法及系统。
技术介绍
1、随着社会的发展和技术的进步,智能配电系统成为电力系统升级的关键领域。这一发展背景主要源于对电力系统更高效、智能和可持续性的需求。首先,可再生能源的大规模集成对电力系统提出了更高的要求,智能配电系统能够有效地整合和调度可再生能源,提高其利用率。其次,能源互联网的概念的兴起推动了电力系统的数字化和互联化,智能配电系统作为其基础组成部分,需要具备更强的互联互通能力。智能家居的发展使得电力需求的变化和灵活性需求越来越复杂,智能配电系统需要与各类智能设备、传感器和工业设备进行无缝连接,实现对用电设备的智能控制和优化调度。与此同时,数字化技术的突破,如物联网、人工智能、大数据分析等,为智能配电系统提供了更强大的数据处理和决策支持能力,使得系统更加灵活和智能。
2、但是现有技术中对电力负荷预测的技术方案,考虑的因素不够全面,严重影响对负荷波动的预测的精度。
技术实现思路
1、为了解决上述问题,本专利技术的目的在于提供一种基于多源数据融合的电网负荷预测方法及系统,可以更全面地捕捉影响电力负荷变化的多种因素,提高对电力系统未来负荷波动的准确预测。
2、为实现上述目的,本专利技术采用以下技术方案:
3、一种基于多源数据融合的电网负荷预测方法,包括以下步骤:
4、步骤s1:获取多源数据,并进行融合处理;
5、步骤s2:对融合处理后的多源数据进行
6、步骤s3:基于预处理后的数据,采用特征工程提取关键特征,构建负荷历史数据集;
7、步骤s4:构建多层encoder-decoder结构模型,结合自注意力机制和频域分析,基于负荷历史数据集进行训练,得到电网负荷预测模型;
8、步骤s5:将实时获取的多源数据预处理后输入电网负荷预测模型,得到负荷波动预测值。
9、进一步的,所述多源数据包括分别通过负荷测量设备、气象传感器、社会经济数据采集设备、可再生能源监测设备收集的历史负荷数据hld、天气数据wd、社会经济数据sed、可再生能源产量数据rpd。
10、进一步的,所述融合处理,具体为:对收集到的数据进行加权融合
11、fused data=v1*hld+v2*wd+v3*sed+v4*rpd
12、其中,v1,v2,v3,v4分别为历史负荷数据hld、天气数据wd、社会经济数据sed、可再生能源产量数据rpd对应的权重。
13、进一步的,所述步骤s2具体为:
14、对收集到的数据按照下式进行分解:
15、load(xi)=trend(xi)+seasonal(xi)+residual(xi)
16、trend(xi)是趋势性分量xt,seasonal(xi)是季节性分量xs,将负荷数据分解为趋势和季节成分,从时间戳中提取周期性特征;
17、然后,处理缺失值和异常值,对趋势序列中的缺失值进行插值,对季节性变量中的缺失值进行插值,将数据缩放到相同的量级,调整数据集的形状;
18、确保输入数据和目标序列的维度符合模型的输入要求。
19、进一步的,所述处理缺失值和异常值,具体如下:
20、模型中的encoder的输入为一段时间戳序列eens-i,应用移动平均进行平滑,分解出趋势性分量et,即et=movavg(ei),季节性分量es=eens-i-et;
21、模型中的decoder的输入为ei的后半序列,加上要预测的序列长度(o),即模型需要预测的未来一段时间的配电网负荷,即
22、ddes-i=dens-i(ens-i为i/2:i)+d(o)
23、其中(ens-i为i/2:i)表示对时间戳序列进行分段处理,其中i/2为时间戳序列的中间位置;
24、对趋势性序列中预测部分的缺失值,使用趋势的数据平均值进行补全,其中ddes-i同上分解为趋势性分量dt+mean(d(t))(o),季节性分量ds+0(o),对季节性变量中预测部分的缺失值,使用0进行补全。
25、进一步的,所述步骤s3具体为:首先通过快速傅里叶变换将时域的负荷历史数据转换为频域,在选择关注的频率分量后,通过自注意力机制突出不同频率的关联度。
26、进一步的,所述快速傅里叶变换,具体如下;输入数据是包含时间窗口内的负荷历史数据,使用快速傅里叶算法fft将时域的负荷历史数据转换为频域,即对负荷历史数据进行fft操作:
27、x(f)=∑[x(t)*exp(-j2πft)]
28、其中,x(f)是频率为f的分量,x(t)是时域信号;
29、选择预设范围内的分量作为关注的频率,处理fft输出。
30、进一步的,所述通过自注意力机制突出不同频率的关联度,具体如下;
31、自注意力机制输入构造,即自注意力机制构造输入,包括查询q、键k和值v,即对于关注的频率分量,构造q、k和v,其中需要注意的是decoder包含两个自注意力机制,第一个与encoder一样的q,k,v输入的方法,在第二个自注意力机制中,则与encoder分解出的es,对其分解出q,k,向量与decoder中分解出的v向量加权求和,使用注意力分数对值(v)进行加权求和,强调重要的频率分量:
32、attention_output=attention(q,k)*v
33、使用多头注意力,重复上述步骤,每次使用不同的q、k、v,计算多组注意力输出;
34、对注意力输出进行层归一化和残差连接,层归一化公式:
35、layer_normalization(x)=(x-mean(x))/sqrt(var(x)+epsilon)*gamma+beta
36、其中,mean(x)和var(x)分别是均值和方差,epsilon是一个很小的数,gamma和beta是学习的参数;
37、输出经过自注意力机制的特征表示,其中包括频域信息,即得到表示关注频率分量的特征输出。
38、进一步的,所述步骤s4具体为:
39、encoder-decoder结构搭建,构建包含多个encoder和多个decoder的整体模型,多层encoder依次对输入序列进行趋势和季节的分解,编码器处理时只进行季节性分量提取,而解码器会进行季节性分量和趋势性分量的提取;
40、季节性分量在每次decoder中的第一个自注意力机制分解前,与decoder中前一个输入的序列相加,而在每次decoder中的第二个自注意力机制分解前,与encoder输出的的季节性分量序列相加,即;
41、trend1=d1(attention_output2+seasonal3)
42、trend2=本文档来自技高网...
【技术保护点】
1.一种基于多源数据融合的电网负荷预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述多源数据包括分别通过负荷测量设备、气象传感器、社会经济数据采集设备、可再生能源监测设备收集的历史负荷数据HLD、天气数据WD、社会经济数据SED、可再生能源产量数据RPD。
3.根据权利要求2所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述融合处理,具体为:对收集到的数据进行加权融合
4.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述步骤S2具体为:
5.根据权利要求4所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述处理缺失值和异常值,具体如下:
6.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述步骤S3具体为:首先通过快速傅里叶变换将时域的负荷历史数据转换为频域,在选择关注的频率分量后,通过自注意力机制突出不同频率的关联度。
7.根据权利要求6所述的一种基于多源数据融合的
8.根据权利要求6所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述通过自注意力机制突出不同频率的关联度,具体如下;
9.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述步骤S4具体为:
10.一种基于多源数据融合的电网负荷预测系统,其特征在于,包括:获取模块,用于获取多源数据,并进行融合处理;
11.根据权利要求10所述的一种基于多源数据融合的电网负荷预测系统,其特征在于,所述获取模块,具体用于:对收集到的数据进行加权融合
12.根据权利要求10所述的一种基于多源数据融合的电网负荷预测系统,其特征在于,所述预处理模块,具体用于对收集到的数据按照下式进行分解:
...【技术特征摘要】
1.一种基于多源数据融合的电网负荷预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述多源数据包括分别通过负荷测量设备、气象传感器、社会经济数据采集设备、可再生能源监测设备收集的历史负荷数据hld、天气数据wd、社会经济数据sed、可再生能源产量数据rpd。
3.根据权利要求2所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述融合处理,具体为:对收集到的数据进行加权融合
4.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述步骤s2具体为:
5.根据权利要求4所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述处理缺失值和异常值,具体如下:
6.根据权利要求1所述的一种基于多源数据融合的电网负荷预测方法,其特征在于,所述步骤s3具体为:首先通过快速傅里叶变换将时域的负荷历史数据转换为频域,在选择关注的频率分量后,通过自注意力机制突出不同频率的...
【专利技术属性】
技术研发人员:冯笑,李温静,张沛尧,高丽媛,林晓康,董腾飞,李春阳,明萌,崔明涛,马红月,潘轲,王永贵,刘迪,肖钧浩,刘文彬,张世栋,刘洋,郭屾,张冀川,常宇昊,严函明,刘广伟,
申请(专利权)人:国网信息通信产业集团有限公司,
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。