基于Bi-LSTM和双重注意力机制的负荷预测方法技术

本申请适用于负荷预测技术领域，提供了基于Bi‑LSTM和双重注意力机制的负荷预测方法，该方法包括：获取目标电网的第一历史时段的影响因素数据和电网负荷数据；影响因素数据为影响电网负荷的因素数据；影响因素数据包括光伏发电数据和用户负荷数据；将第一历史时段的影响因素数据和电网负荷数据输入至预先建立的周期记忆神经网络模型进行训练，得到训练好的周期记忆神经网络模型；周期记忆神经网络模型包括双重注意力机制、Bi‑LSTM神经网络和残差神经网络；基于目标电网的待预测时段的影响因素数据以及训练好的周期记忆神经网络模型，预测目标电网在待预测时段的电网负荷数据。本申请能够有效提高电网负荷的预测精度。

【技术实现步骤摘要】

本申请属于负荷预测，尤其涉及基于bi-lstm和双重注意力机制的负荷预测方法。

技术介绍

1、目前，我国分布式光伏长期处于新能源调控盲区，给电网安全、电网稳定运行带来了巨大挑战，也给电网的负荷预测增加了困难。电网的负荷预测对于电力系统的运行尤为重要。

2、电力负荷预测研究的核心是利用现有的历史数据建立适合数据结构特点的预测模型，以预测未来时间或时间段的负荷值。电网负荷受多种因素影响，负荷波动较大，电网负荷与影响因素之间往往存在非线性关系，采用简单的线性模型难以满足预测精度的要求。由于光伏发电受天气条件影响较大，如光照强度、阴晴状况等，这些天气条件影响使得光伏发电的输出具有较强的不确定性。这种不确定性会给电力系统的负荷预测带来挑战，增加预测的难度和误差。因此，当前的电网负荷的预测精度还有待提高。

技术实现思路

1、本申请实施例提供了一种基于bi-lstm和双重注意力机制的负荷预测方法，以提高电网负荷的预测精度。

2、本申请是通过如下技术方案实现的：

3、第一方面，本申请实施例本文档来自技高网...

【技术保护点】

1.一种基于Bi-LSTM和双重注意力机制的负荷预测方法，其特征在于，包括：

2.如权利要求1所述的基于Bi-LSTM和双重注意力机制的负荷预测方法，其特征在于，所述基于所述目标电网的待预测时段的影响因素数据以及所述训练好的周期记忆神经网络模型，预测所述目标电网在所述待预测时段的电网负荷数据，包括：

3.如权利要求2所述的基于Bi-LSTM和双重注意力机制的负荷预测方法，其特征在于，所述双重注意力机制包括空间注意力模块和通道注意力模块，所述周期特征包括第一输出特征和第二输出特征；

4.如权利要求1所述的基于Bi-LSTM和双重注意力机制的负荷预测方法，...

【技术特征摘要】

1.一种基于bi-lstm和双重注意力机制的负荷预测方法，其特征在于，包括：

2.如权利要求1所述的基于bi-lstm和双重注意力机制的负荷预测方法，其特征在于，所述基于所述目标电网的待预测时段的影响因素数据以及所述训练好的周期记忆神经网络模型，预测所述目标电网在所述待预测时段的电网负荷数据，包括：

3.如权利要求2所述的基于bi-lstm和双重注意力机制的负荷预测方法，其特征在于，所述双重注意力机制包括空间注意力模块和通道注意力模块，所述周期特征包括第一输出特征和第二输出特征；

4.如权利要求1所述的基于bi-lstm和双重注意力机制的负荷预测方法，其特征在于，在所述预测所述目标电网在所述待预测时段的电网负荷数据之前，所述方法还包括：

5.如权利要求1-4任一项所述的基于bi-lstm和双重注意力机制的负荷预测方法，其特征在于，所述第一历史时段的影响因素数据...

【专利技术属性】
技术研发人员：马斌，王吉文，戴长春，刘路登，田宏强，吴旭，李有亮，金林林，刘梅，刘丽新，张冬，李成，冯陈晨，
申请(专利权)人：国网安徽省电力有限公司，
类型：发明
国别省市：