一种基于自注意力神经网络的月度用电量预测算法制造技术

本发明专利技术属于电量统计技术领域，具体为一种基于自注意力神经网络的月度用电量预测算法，该月度用电量预测算法的步骤流程如下：第一步、数据预处理：在开展预测工作之前，对输入数据进行归一化处理，完成输入数据的归一化后，将归一化结果输入自注意力神经网络进行训练，本申请提出了一种月度用电量预测模型，解决了用电量预测模型中考虑社会数据时气象数据量大、特征复杂的问题，基于自注意力神经网络，有效解决了长期时间序列预测困难的问题，并提供了一个堆叠框架，以提高预测精度和模型泛化能力。

【技术实现步骤摘要】

本专利技术涉及电量统计，具体为一种基于自注意力神经网络的月度用电量预测算法。

技术介绍

1、用电量预测对于电网运营、交易、规划至关重要，上述业务均需要以用电量的预测结果为基础。因此，迫切需要通过用电量预测方法来支持电网相关业务需求。

2、目前，月度用电量预测方法可简单分为使用传统时间序列预测算法和使用深度学习算法。前者包括小波分析、arima、卡尔曼滤波等，优点是数学模型成熟、可解释性强、可定向调整参数；后者是在神经网络基础上发展起来的一系列模型，具有自适应和自组织的特点，可以通过多次迭代学习数据的隐藏特征，获得高精度的预测分析结果。

3、上述传统时间序列分析方法提取数据隐藏特征的能力不足，深度学习方法提取隐藏特征的能力较强，但其可解释性较差，参数调整困难。因此，本专利提出将结合从时序数据中提取隐藏特征能力强的自注意力神经网络与可解释性好的xgboost算法相结合，以某地电量数据进行测算，验证了预测方法的有效性和预测精度。

技术实现思路

1、本专利技术的目的在于提供一种基于自注意力神经本文档来自技高网...

【技术保护点】

1.一种基于自注意力神经网络的月度用电量预测算法，其特征在于，该月度用电量预测算法的步骤流程如下：

2.根据权利要求1所述的一种基于自注意力神经网络的月度用电量预测算法，其特征在于：所述第一步中，归一化算法如下：式中x是输入数据，μ是输入数据的平均值，σ是输入数据的方差。

3.根据权利要求1所述的一种基于自注意力神经网络的月度用电量预测算法，其特征在于：所述第二步中，Q、K和V的数据格式如下：Q:(BATCH,nq,dq)；K:(BATCH,nk,dk)；V:(BATCH,nv,dv)；s.t.nk＝nv,dq＝dk；

4.根据权利要求1所述的一种基于...

【技术特征摘要】

1.一种基于自注意力神经网络的月度用电量预测算法，其特征在于，该月度用电量预测算法的步骤流程如下：

2.根据权利要求1所述的一种基于自注意力神经网络的月度用电量预测算法，其特征在于：所述第一步中，归一化算法如下：式中x是输入数据，μ是输入数据的平均值，σ是输入数据的方差。

3.根据权利要求1所述的一种基于自注意力神经网络的月度用电量预测算法，其...

【专利技术属性】
技术研发人员：曹有霞，韩号，王品，汤旭，张世康，李智，陶红尘，黄进，韩德伟，赵倩，黄鑫，肖盼，迟新纪，倪妍妍，高云强，胡婧，刘梅，
申请(专利权)人：国网安徽省电力有限公司营销服务中心，
类型：发明
国别省市：