【技術實現步驟摘要】
本專利技術涉及電力預測，尤其涉及一種電網負荷預測方法、裝置、設備、存儲介質及產品。
技術介紹
1、智能電網的理想情景是確保電力供應與目標區域的用電需求相匹配。這不僅有助于有效分配電力資源并帶來顯著的經濟利益，同時也具備重要的社會價值。智能電網能夠應對多種導致大規模停電的不確定性因素，諸如自然災害、季節性用電高峰、恐怖襲擊、城市動蕩以及戰爭等。
2、在現有的電網負荷預測方法中，最常使用的是經典的時間序列方法。其中，自回歸積分移動平均線法是時間序列方法的代表性模型，其優點是模型相對簡單、魯棒、高效，可以很好地處理季節性時間序列，但是，其預測準確性還需進一步提高。
技術實現思路
1、本專利技術提供了一種電網負荷預測方法、裝置、設備、存儲介質及產品，以實現對電網負荷的準確預測。
2、根據本專利技術的一方面，提供了一種電網負荷預測方法，包括：
3、獲取待預測電網集群歷史運行數據；
4、將所述待預測電網集群歷史運行數據輸入目標預測模型，獲取輸出的負荷預測結果；
5、其中，所述目標預測模型為根據第一預測模型與第二預測模型訓練得到的融合模型。
6、進一步地，所述第一預測模型為transformer模型，所述第二預測模型為改進后的transformer模型，且所述第二預測模型的殘差連接-歸一化層為隸屬度計算方法。
7、進一步地，所述第二預測模型的建立方法包括：
8、將設定時段的電網集群特征數據作為云模型的
9、根據所述目標隸屬度函數將transformer模型的殘差連接-歸一化層替換為隸屬度計算方法。
10、進一步地，所述目標預測模型的訓練方法包括：
11、將設定時段的電網集群特征數據作為訓練數據集，分別對所述第一預測模型與所述第二預測模型進行訓練；
12、確定所述第一預測模型與所述第二預測模型分別對應的權重系數，對所述第一預測模型與所述第二預測模型進行加權求和得到所述目標預測模型。
13、進一步地，確定所述第一預測模型與所述第二預測模型分別對應的權重系數，包括：
14、將目標權重向量作為粒子群算法的位置向量，所述目標權重向量包括所述第一預測模型與所述第二預測模型分別對應的權重系數；
15、根據預設的粒子群算法參數，結合粒子群算法，得到所述目標權重向量的最優解。
16、根據本專利技術的另一方面，提供了一種電網負荷預測裝置，包括：
17、待預測電網集群歷史運行數據獲取模塊，用于獲取待預測電網集群歷史運行數據；
18、負荷預測模塊，用于將所述待預測電網集群歷史運行數據輸入目標預測模型，獲取輸出的負荷預測結果；
19、其中，所述目標預測模型為根據第一預測模型與第二預測模型訓練得到的融合模型。
20、可選的，所述第一預測模型為transformer模型，所述第二預測模型為改進后的transformer模型，且所述第二預測模型的殘差連接-歸一化層為隸屬度計算方法。
21、可選的，所述第二預測模型的建立方法包括：
22、將設定時段的電網集群特征數據作為云模型的正向生成器和反向生成器的輸入數據，得到目標隸屬度函數；
23、根據所述目標隸屬度函數將transformer模型的殘差連接-歸一化層替換為隸屬度計算方法。
24、可選的，所述目標預測模型的訓練方法包括：
25、將設定時段的電網集群特征數據作為訓練數據集，分別對所述第一預測模型與所述第二預測模型進行訓練；
26、確定所述第一預測模型與所述第二預測模型分別對應的權重系數，對所述第一預測模型與所述第二預測模型進行加權求和得到所述目標預測模型。
27、可選的，確定所述第一預測模型與所述第二預測模型分別對應的權重系數，包括：
28、將目標權重向量作為粒子群算法的位置向量，所述目標權重向量包括所述第一預測模型與所述第二預測模型分別對應的權重系數；
29、根據預設的粒子群算法參數，結合粒子群算法，得到所述目標權重向量的最優解。
30、根據本專利技術的另一方面，提供了一種電子設備，所述電子設備包括：
31、至少一個處理器；以及
32、與所述至少一個處理器通信連接的存儲器；其中，
33、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本專利技術任一實施例所述的電網負荷預測方法。
34、根據本專利技術的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本專利技術任一實施例所述的電網負荷預測方法。
35、根據本專利技術的另一方面，提供了一種計算機程序產品，所述計算機程序產品包括計算機程序/指令，所述計算機程序/指令被處理器執行時實現本專利技術任一實施例所述的電網負荷預測方法的步驟。
36、本專利技術公開的電網負荷預測方法，首先獲取待預測電網集群歷史運行數據；然后將待預測電網集群歷史運行數據輸入目標預測模型，獲取輸出的負荷預測結果；其中，目標預測模型為根據第一預測模型與第二預測模型訓練得到的融合模型。本專利技術公開的電網負荷預測方法，將第一預測模型與第二預測模型結合起來得到目標預測模型，可以使得到的目標預測模型準確率更高，從而可以得到更準確的負荷預測結果。
37、應當理解，本部分所描述的內容并非旨在標識本專利技術的實施例的關鍵或重要特征，也不用于限制本專利技術的范圍。本專利技術的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網...【技術保護點】
1.一種電網負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述第一預測模型為Transformer模型，所述第二預測模型為改進后的Transformer模型，且所述第二預測模型的殘差連接-歸一化層為隸屬度計算方法。
3.根據權利要求2所述的方法，其特征在于，所述第二預測模型的建立方法包括：
4.根據權利要求1所述的方法，其特征在于，所述目標預測模型的訓練方法包括：
5.根據權利要求4所述的方法，其特征在于，確定所述第一預測模型與所述第二預測模型分別對應的權重系數，包括：
6.一種電網負荷預測裝置，其特征在于，包括：
7.一種電子設備，其特征在于，所述電子設備包括：
8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-5中任一項所述的電網負荷預測方法。
9.一種計算機程序產品，包括計算機程序/指令，其特征在于，所述計算機程序/指令被處理器執行時實現如權利要求1-5中任一項所述的電網負
...【技術特征摘要】
1.一種電網負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述第一預測模型為transformer模型，所述第二預測模型為改進后的transformer模型，且所述第二預測模型的殘差連接-歸一化層為隸屬度計算方法。
3.根據權利要求2所述的方法，其特征在于，所述第二預測模型的建立方法包括：
4.根據權利要求1所述的方法，其特征在于，所述目標預測模型的訓練方法包括：
5.根據權利要求4所述的方法，其特征在于，確定所述第一預測模...
【專利技術屬性】
技術研發人員：許洪華，仝凌云，羅興，錢其隆，紀業，胡子健，呂湛，周科峰，周愛華，裘洪彬，
申請(專利權)人：國網江蘇省電力有限公司南京供電分公司，
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。