【技术实现步骤摘要】
本专利技术涉及电力负荷预测，特别是一种面向时序数据深度时空神经网络模型的电力负荷预测方法。
技术介绍
1、随着经济飞速发展，城市化进程加快，居民生活、商业活动和工业生产对电力的依赖日益增长。电力作为一种基础性资源，在社会生产的正常运行和人民的日常生活中扮演着举足轻重的作用。电力是能源转型的中心环节、碳减排的关键领域，完成电力低碳转型具有全局性意义。电力低碳转型是包括规划、政策、技术、产业、经济性在内的全方位挑战，需要合理布局电源结构，对电力负荷预测的技术提出了更高的要求。另一方面，售电公司需要根据负荷预测的结果进行签约、报价、交易等策略的制定以及单个用户经济测算等工作。换言之，电力负荷预测的结果会直接影响到售电公司的报价。如果预测不够精确，将会带来高额的偏差费用，也就是说，电力负荷预测作为电力系统规划的核心，对于电力公司合理调配发电和输电资源，提高供电效率至关重要。因此，将新兴的信息科学技术应用于电力负荷预测任务显得尤为必要。更高精度的电力负荷预测结果可以提高计划用电管理的有效性，有利于合理地安排电网运行方式，降低发电成本，落实节能减碳，还可以服务于未来发展规划，为电力系统带来更多的经济效益。
2、然而，目前的电力负荷预测模型仍然以传统的时间序列模型和经典的机器学习算法为主，传统的时间序列预测模型在处理线性预测方面十分适用，但难以捕捉电力负荷数据中的非线性和动态特征。因此，随着机器学习的不断发展，基于机器学习的预测方法逐渐取代前者并成为主流，其中比较经典的例子有：支持向量机、随机森林、神经网络等。支持向量机等方法在实
技术实现思路
1、为了克服现有电力负荷预测方法，无法有效准确捕捉电力负荷数据时空特征等，不能达到好的电力负荷预测的弊端，本专利技术提供了一种通过相关技术方案，使用城市历史电力负荷数据，整合节假日、行业、地理位置等信息，从中抽取时空特征并基于此构建两种图数据结构，将其引入图注意力网络，模拟站点间的空间关联，同时，引入多头注意力层获取不同子空间下的历史信息，并设计时间卷积网络层模拟长时间历史信息，解决长期历史信息利用问题，能够为电力系统的稳定运行提供可靠预测支持的面向时序数据深度时空神经网络模型的电力负荷预测方法。
2、本专利技术解决其技术问题所采用的技术方案是：
3、面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，包括技术方案设定、建立多头注意力时空神经网络、实验设计与结果分析三个步骤；所述技术方案设定包括问题定义、方案框架设计、数据预处理与图构建四个分步骤；所述建立多头注意力时空神经网络包括构建网络整体框架、构建多头自注意力网络层、构建图注意力网络层、构建时间卷积网络层分步骤；所述实验设计与结果分析包括数据集描述、电力负荷预测基线任务对比实验、消融实验、不同参数对比实验分步骤；所述数据集描述包括时间卷积网络层验证、衡量指标两个流程；所述消融实验包括多头注意力层有效性验证验证、注意力层有效性验证验证、相似图和距离图有效性验证验证、时间卷积层有效性验证验证四个流程。
4、进一步地，所述问题定义中，用电量预测是时间序列预测的一种，通过用电符合分析历史的时间序列数据，找到时间序列数据所表现出来的发展趋势，从而预测下一刻时间或以后一段时间可能的用量负荷取值。
5、进一步地，所述方案框架设计中，包括数据采集与处理阶段、模型搭建与训练阶段和预测与评估阶段。
6、进一步地，所述数据预处理与图构建中，通过数据预处理与图构建模块先进行行业编码处理、然后进行兴趣点数据确定、距离图构建、相似图构建。
7、进一步地，所述构建网络整体框架中，框架输入分为节点用电量数据和利用节点之间空间关系得出的距离图和相似图，网络整体由两个多头注意力时空块和一个输出层组成。
8、进一步地，所述构建多头自注意力网络层中，主要目的是学习不同特征的权重。
9、进一步地，所述构建图注意力网络层络将注意力机制引入到基于空间域的图神经网络，通过一阶邻居节点的表征来更新节点特征，别将训练距离图和相似图作为gat(图注意力网络)的输入，提取节点之间的空间依赖。
10、进一步地，所述构建时间卷积网络层包括如下流程，sa1：通过软件单元剪枝模块封装基本的剪枝操作，用于裁剪一维卷积之后出现的多余的padding(填充)；sa2：通过软件单元时序模块定义了一个残差块，将两次一维卷积、两层权重归一化和两次剪枝操作封装成一个完整的模块供时序卷积模块调用，使用relu(线性整流单元)作为激活函数；sa3：通过软件单元时序卷积模块实现多层膨胀卷积操作，使用for循环对每一层进行卷积操作，膨胀系数从1开始，下一层的膨胀系数是上一层的2倍；sa4：通过软件单元tcn(时序卷积网络)模块：进行前向传播，进过一层relu(线性整流单元)得到该模块的输出。
11、与现有技术相比本专利技术有益效果是：本专利技术通过相关技术方案研究企业用电数据的空间相关性，通过收集企业之间的距离和企业周围的地理、商业特征，研究用电数据的空间特征，利用图神经网络的方法来进行分析；并研究企业用电数据的时间相关性，选择多头注意力机制与时间卷积网络来提取用电数据之间的时间特征；通过多头注意力时空块来模拟时空关系，其中使用到多头注意力层和时间卷积层用来捕捉时间依赖，通过在图注意力层中收集邻居信息捕捉空间依赖，最后，在某地区真实企业电力负荷数据集上完成实验并进行评估。结果表明，本专利技术在预测性能上超越了其他基准模型，在短期负荷预测上具有更好的预测效果，能够为电力系统的稳定运行提供可靠预测支持。
本文档来自技高网...【技术保护点】
1.面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，包括技术方案设定、建立多头注意力时空神经网络、实验设计与结果分析三个步骤；所述技术方案设定包括问题定义、方案框架设计、数据预处理与图构建四个分步骤；所述建立多头注意力时空神经网络包括构建网络整体框架、构建多头自注意力网络层、构建图注意力网络层、构建时间卷积网络层分步骤；所述实验设计与结果分析包括数据集描述、电力负荷预测基线任务对比实验、消融实验、不同参数对比实验分步骤；所述数据集描述包括时间卷积网络层验证、衡量指标两个流程；所述消融实验包括多头注意力层有效性验证验证、注意力层有效性验证验证、相似图和距离图有效性验证验证、时间卷积层有效性验证验证四个流程。
2.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，问题定义中，用电量预测是时间序列预测的一种，通过用电符合分析历史的时间序列数据，找到时间序列数据所表现出来的发展趋势，从而预测下一刻时间或以后一段时间可能的用量负荷取值。
3.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特
4.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，数据预处理与图构建中，通过数据预处理与图构建模块先进行行业编码处理、然后进行兴趣点数据确定、距离图构建、相似图构建。
5.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，构建网络整体框架中，框架输入分为节点用电量数据和利用节点之间空间关系得出的距离图和相似图，网络整体由两个多头注意力时空块和一个输出层组成。
6.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，构建多头自注意力网络层中，主要目的是学习不同特征的权重。
7.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，构建图注意力网络层络将注意力机制引入到基于空间域的图神经网络，通过一阶邻居节点的表征来更新节点特征，别将训练距离图和相似图作为GAT的输入，提取节点之间的空间依赖。
8.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，构建时间卷积网络层包括如下流程，SA1：通过软件单元剪枝模块封装基本的剪枝操作，用于裁剪一维卷积之后出现的多余的padding；SA2：通过软件单元时序模块定义了一个残差块，将两次一维卷积、两层权重归一化和两次剪枝操作封装成一个完整的模块供时序卷积模块调用，使用ReLU作为激活函数；SA3：通过软件单元时序卷积模块实现多层膨胀卷积操作，使用for循环对每一层进行卷积操作，膨胀系数从1开始，下一层的膨胀系数是上一层的2倍；SA4：通过软件单元TCN模块：进行前向传播，进过一层ReLU得到该模块的输出。
...【技术特征摘要】
1.面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，包括技术方案设定、建立多头注意力时空神经网络、实验设计与结果分析三个步骤；所述技术方案设定包括问题定义、方案框架设计、数据预处理与图构建四个分步骤；所述建立多头注意力时空神经网络包括构建网络整体框架、构建多头自注意力网络层、构建图注意力网络层、构建时间卷积网络层分步骤；所述实验设计与结果分析包括数据集描述、电力负荷预测基线任务对比实验、消融实验、不同参数对比实验分步骤；所述数据集描述包括时间卷积网络层验证、衡量指标两个流程；所述消融实验包括多头注意力层有效性验证验证、注意力层有效性验证验证、相似图和距离图有效性验证验证、时间卷积层有效性验证验证四个流程。
2.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，问题定义中，用电量预测是时间序列预测的一种，通过用电符合分析历史的时间序列数据，找到时间序列数据所表现出来的发展趋势，从而预测下一刻时间或以后一段时间可能的用量负荷取值。
3.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，方案框架设计中，包括数据采集与处理阶段、模型搭建与训练阶段和预测与评估阶段。
4.根据权利要求1所述的面向时序数据深度时空神经网络模型的电力负荷预测方法，其特征在于，数据预处理与图构建中，通过数据预处理与图构建模块先进行行业编码处理、然后进行兴趣点数据确定、距离图构建、...
【专利技术属性】
技术研发人员：康丽，郭逸华，徐妍珺，王婷，廖偲宇，高山，程大伟，
申请(专利权)人：上海恒能泰企业管理有限公司璞能电力科技工程分公司，
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。