【技術實現步驟摘要】
本申請屬于電網負荷預測領域，尤其涉及一種電力需求負荷量預測方法、裝置、設備和存儲介質。
技術介紹
1、準確的需求負荷預測有助于優化電力系統的運行成本，同時，對需求負荷的準確預測也為用戶提供了合理的用電建議，有助于節約能源和降低成本。此外，預測還可以指導設備的維護計劃，最大程度地減少停機時間和維修成本。
2、傳統的電力需求負荷預測方法通常采用統計模型、時間序列分析和傳統機器學習算法。這些方法主要依賴于歷史數據和手工提取的特征，其預測性能受限于模型假設和特征工程的質量。同時，傳統方法通常需要大量人工干預和調整，并且在處理電力系統中的非線性、高度動態性以及數據不完整性等方面存在局限性。
3、由于電力系統具有復雜的非線性關系和時變特性，傳統方法往往無法準確捕捉和建模系統的動態行為，導致預測結果的精度受到限制。
4、另外，電力系統的運行狀態和外部環境因素可能隨時發生變化，如天氣、季節、用電習慣等因素都會對電力需求產生影響。然而，傳統方法往往只依賴于歷史數據和簡單的特征，無法充分考慮到實時數據的變化以及各種因素之間的復雜關聯關系，導致預測精度不足。
技術實現思路
1、本申請的目的在于克服上述現有技術中存在的問題，提供一種電力需求負荷量預測方法、裝置、設備和存儲介質。
2、本申請提供一種電力需求負荷量預測方法，包括：
3、收集待預測日的電力數據，對所述電力數據進行插值、歸一化和one-hot編碼，獲得一維輸入數據；
4、按照
5、采用lstm提取所述一階特征的二階特征；
6、計算所述二階特征的相同時間間隔數據間的第一均方差和不同時間間隔數據間的第二均方差；
7、基于所述第一均方差和第二均方差，通過注意力機制最小化所述第一均方差和最大化所述第二均方差獲得的參數權重，融合所述二階特征獲得預測特征；
8、將所述預測特征通過全連接層和線性回歸層處理，得到預測的用電量數值。
9、可選地，所述電力數據，包括：每日和每小時用電量數據，日期類型，以及天氣類型參數；
10、所述天氣類型參數包括：溫度、氣壓、風速、風向和天氣類型。
11、可選地，對所述電力數據進行插值、歸一化和one-hot編碼，其中的插值包括：
12、使用自回歸插值法補全所述用電量數據中的缺省值。
13、可選地，對所述電力數據進行插值、歸一化和one-hot編碼，其中的歸一化包括：
14、對所述電力數據中的連續值數據進行歸一化處理，使其值范圍在0～1之間。
15、可選地，對所述電力數據進行插值、歸一化和one-hot編碼，其中的one-hot編碼包括：
16、對所述對所述電力數據中的離散值進行one-hot編碼。
17、可選地，所述多個預設時間間隔，包括：1小時、3小時、5小時。
18、本申請還提供一種電力需求負荷量預測裝置，包括：
19、采集模塊，用于收集待預測日的電力數據，對所述電力數據進行插值、歸一化和one-hot編碼，獲得一維輸入數據；
20、第一特征模塊，用于按照多個預設時間間隔將所述一維訓練數據分為多組，分別采用一種預設結構的一維卷積組提取每組所述一維訓練數據的一階特征；
21、第二特征模塊，用于采用lstm提取所述一階特征的二階特征；
22、均方差模塊，用于計算所述二階特征的相同時間間隔數據間的第一均方差和不同時間間隔數據間的第二均方差；
23、注意力機制模塊，用于基于所述第一均方差和第二均方差，通過注意力機制最小化所述第一均方差和最大化所述第二均方差獲得的參數權重，融合所述二階特征獲得預測特征；
24、輸出模塊，用于將所述預測特征通過全連接層和線性回歸層處理，得到預測的用電量數值。
25、可選地，所述采集模塊實時收集所述電力數據。
26、本申請還提供一種電力需求負荷量預測設備，包括：
27、存儲器，用于存儲上述一種電力需求負荷量預測方法的計算機可執行程序；
28、處理器，用于調取所述計算機可執行程序，執行：收集待預測日的電力數據，對所述電力數據進行插值、歸一化和one-hot編碼，獲得一維輸入數據；按照多個預設時間間隔將所述一維訓練數據分為多組，分別采用一種預設結構的一維卷積組提取每組所述一維訓練數據的一階特征；采用lstm提取所述一階特征的二階特征；計算所述二階特征的相同時間間隔數據間的第一均方差和不同時間間隔數據間的第二均方差；基于所述第一均方差和第二均方差，通過注意力機制最小化所述第一均方差和最大化所述第二均方差獲得的參數權重，融合所述二階特征獲得預測特征；將所述預測特征通過全連接層和線性回歸層處理，得到預測的用電量數值。
29、本申請還提供一種存儲介質，存儲有計算機可執行程序，該計算機可執行程序用于被處理器調取執行上述一種電力需求負荷量預測方法的步驟。
30、本申請的有益效果是：
31、本申請提供一種電力需求負荷量預測方法，包括：收集待預測日的電力數據，對所述電力數據進行插值、歸一化和one-hot編碼，獲得一維輸入數據；按照多個預設時間間隔將所述一維訓練數據分為多組，分別采用一種預設結構的一維卷積組提取每組所述一維訓練數據的一階特征；采用lstm提取所述一階特征的二階特征；計算所述二階特征的相同時間間隔數據間的第一均方差和不同時間間隔數據間的第二均方差；基于所述第一均方差和第二均方差，通過注意力機制最小化所述第一均方差和最大化所述第二均方差獲得的參數權重，融合所述二階特征獲得預測特征；將所述預測特征通過全連接層和線性回歸層處理，得到預測的用電量數值。本申請通過引入人工智能技術和多尺度快慢機制，提高了對非線性數據處理的能力，并結合時間尺度對數據分析，能夠提高用電量預測精度。
本文檔來自技高網...【技術保護點】
1.一種電力需求負荷量預測方法，其特征在于，包括：
2.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，所述電力數據，包括：每日和每小時用電量數據，日期類型，以及天氣類型參數；
3.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸一化和one-hot編碼，其中的插值包括：
4.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸一化和one-hot編碼，其中的歸一化包括：
5.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸一化和one-hot編碼，其中的one-hot編碼包括：
6.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，所述多個預設時間間隔，包括：1小時、3小時、5小時。
7.一種電力需求負荷量預測裝置，其特征在于，包括：
8.根據權利要求7所述一種電力需求負荷量預測裝置，其特征在于，所述采集模塊實時收集所述電力數據。
9.一種電力需求負荷量預測設備，
10.一種存儲介質，其特征在于，存儲有計算機可執行程序，該計算機可執行程序用于被處理器調取執行權利要求1～6任一項所述一種電力需求負荷量預測方法的步驟。
...【技術特征摘要】
1.一種電力需求負荷量預測方法，其特征在于，包括：
2.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，所述電力數據，包括：每日和每小時用電量數據，日期類型，以及天氣類型參數；
3.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸一化和one-hot編碼，其中的插值包括：
4.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸一化和one-hot編碼，其中的歸一化包括：
5.根據權利要求1所述一種電力需求負荷量預測方法，其特征在于，對所述電力數據進行插值、歸...
【專利技術屬性】
技術研發人員：吳鵬，鄭濤，管九皓，陳旭，司亞東，李廣晨，崔照鑫，紀凱源，欒萬春，劉麗，孫偉，董行，程竺瑄，韓旭，楊金柱，孫奇，朱良雙，王鴻菲，燕一文，穆琳琳，
申請(專利權)人：國網遼寧省電力有限公司朝陽供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。