【技術實現步驟摘要】
本專利技術涉及電力系統領域，具體而言，涉及一種電力系統的電力負荷預測方法、裝置及電子設備。
技術介紹
1、電力負荷預測作為電力領域重要的基礎性工作，對電力系統平穩高效運行具有關鍵性作用。隨著大規模分布式電源和電動汽車充電樁等新型負荷的接入，電力負荷的波動性、時變性和隨機性顯著增加，加大了電力系統中電力負荷預測的難度。傳統預測方法，由于其線性假設，難以捕捉到電力負荷數據中的復雜非線性特征，因此預測精度較低。
2、近年來，相關技術中采用深度學習模型對電力負荷進行預測，因深度學習模型強大的非線性關系學習能力，在處理長序列數據和多特征情況時顯示出顯著優勢，然而，現有模型在處理電力負荷數據的不確定性、隨機性和復雜時間相關性方面仍有局限，從而造成對電力負荷時間序列特征的挖掘不足，進而導致相關技術中電力負荷預測精度較低。
3、針對上述的問題，目前尚未提出有效的解決方案。
技術實現思路
1、本專利技術實施例提供了一種電力系統的電力負荷預測方法、裝置及電子設備，以至少解決相關技術中電力負荷預測精度較低的技術問題。
2、根據本專利技術實施例的一個方面，提供了電力系統的電力負荷預測方法，包括：獲取電力系統的歷史電力負荷數據，歷史電力負荷數據包括多個電力負荷時間序列，其中，不同的電力負荷時間序列用于表示影響電力負荷的不同變量對應的時間序列；將多個電力負荷時間序列輸入至電力負荷預測模型，利用電力負荷預測模型對電力系統在未來時間段的多個電力負荷時間序列進行預測，得到預測電力
3、進一步地，電力負荷預測模型包括：時間序列分解模塊、特征提取模塊、特征增強模塊，將多個電力負荷時間序列輸入至電力負荷預測模型，利用電力負荷預測模型對電力系統在未來時間段的多個電力負荷時間序列進行預測，得到目標預測電力負荷數據，包括：利用時間序列分解模塊對多個電力負荷時間序列進行分解，得到趨勢時間序列分量與季節型時間序列分量，其中，季節型時間序列分量為多個電力負荷時間序列中呈現周期性波動的分量，趨勢時間序列分量為多個電力負荷時間序列中呈現長期穩定變化趨勢的分量；利用特征提取模塊對季節型時間序列分量進行特征提取，得到綜合時間窗負荷特征；利用特征增強模塊對綜合時間窗負荷特征和趨勢時間序列分量進行特征增強，得到預測電力負荷數據。
4、進一步地，特征提取模塊包括：時間窗嵌入層、橫向時間窗分析器、縱向時間窗分析器，利用特征提取模塊對季節型時間序列分量進行特征提取，得到綜合時間窗負荷特征，包括：利用時間窗嵌入層對季節型時間序列分量中的第一負荷點及第二負荷點，建立時間窗負荷特征矩陣，其中，第二負荷點用于表示第一負荷點相鄰時間窗內的負荷點，時間窗負荷特征矩陣用于表示多個時刻的時間窗負荷特征；利用橫向時間窗分析器對多個時刻的時間窗負荷特征進行提取，得到多個時刻的橫向時間窗負荷特征；利用縱向時間窗分析器對多個時刻的橫向時間窗負荷特征進行提取，得到多個時刻的綜合時間窗負荷特征。
5、進一步地，利用特征增強模塊對綜合時間窗負荷特征和趨勢時間序列分量進行特征增強，得到預測電力負荷數據，包括：利用特征增強模塊對綜合時間窗負荷特征進行特征增強得到季節型時間序列分量輸出結果；利用特征增強模塊對趨勢時間序列分量進行特征增強，得到趨勢時間序列分量輸出結果；基于趨勢時間序列分量輸出結果與季節型時間序列分量輸出結果，確定預測電力負荷數據。
6、進一步地，特征增強模塊包括：第一卷積層、第二卷積層，利用特征增強模塊對綜合時間窗負荷特征進行特征增強得到季節型時間序列分量輸出結果，利用特征增強模塊對趨勢時間序列分量進行特征增強，得到趨勢時間序列分量輸出結果，包括：利用第一卷積層分別對趨勢時間序列分量與綜合時間窗負荷特征進行特征提取，得到第一趨勢特征與第一季節型特征；利用第二卷積層分別對趨勢時間序列分量與綜合時間窗負荷特征進行特征提取，得到第二趨勢特征與第二季節型特征，其中，第二卷積層的卷積核尺寸大于第一卷積層的卷積核尺寸；基于第一激活函數、第一趨勢特征及第二趨勢特征確定第一趨勢卷積參數，基于第一激活函數、第一季節型特征及第二季節型特征確定第一季節型卷積參數；基于第二激活函數、第二趨勢特征及第一趨勢特征確定第二趨勢卷積參數，基于第二激活函數、第二季節型特征及第一季節型特征確定第二季節型卷積參數；基于第一趨勢卷積參數和第二趨勢卷積參數，得到趨勢時間序列分量輸出結果；基于第一季節型卷積參數和第二季節型卷積參數，得到季節型時間序列分量輸出結果。
7、進一步地，利用時間窗嵌入層對季節型時間序列分量中的第一負荷點及第二負荷點建立時間窗負荷特征矩陣，包括：基于第一負荷點、第二負荷點和預設時間窗參數構建季節型時間序列分量的預設維度空間特征，其中，預設維度空間特征用于表示在預設維度中的空間特征；對預設維度空間特征進行線性轉換，得到時間窗負荷特征矩陣。
8、進一步地，橫向時間窗分析器包括：局部多層感知器、第一標準化層，利用橫向時間窗分析器對多個時刻的時間窗負荷特征的局部相關性進行分析，得到多個時刻的橫向時間窗負荷特征，包括：利用局部多層感知器對多個時刻的時間窗負荷特征進行特征提取，得到多個時刻的第一時間窗負荷特征；利用第一標準化層對多個時刻的第一時間窗負荷特征進行歸一化處理，得到多個時刻的第二時間窗負荷特征；對多個時刻的第二時間窗負荷特征進行轉置，得到多個時刻的橫向時間窗負荷特征。
9、進一步地，縱向時間窗分析器包括：全局多層感知器、第二標準化層，利用縱向時間窗分析器對多個時刻的橫向時間窗負荷特征進行提取，得到多個時刻的綜合時間窗負荷特征，包括：利用全局多層感知器對多個時刻的橫向時間窗負荷特征進行特征提取，得到第三時間窗負荷特征；利用第二標準化層對多個時刻的第三時間窗負荷特征進行歸一化處理，得到多個時刻的第四時間窗負荷特征；對多個時刻的第四時間窗負荷特征進行轉置，得到多個時刻的綜合時間窗負荷特征。
10、根據本專利技術實施例的另一方面，還提供了一種電力系統的電力負荷預測裝置，包括：獲取模塊，用于獲取電力系統的歷史電力負荷數據，歷史電力負荷數據包括多個電力負荷時間序列，其中，不同的電力負荷時間序列用于表示影響電力負荷的不同變量對應的時間序列；預測模塊，用于將多個電力負荷時間序列輸入至電力負荷預測模型，利用電力負荷預測模型對電力系統在未來時間段的多個電力負荷時間序列進行預測，得到預測電力負荷數據，其中，預測電力負荷數據用于表示預測到的電力系統在未來時間段內的電力負荷數據。
11、根據本專利技術實施例的另一方面，還提供了一種電子設備，包括：存儲器，存儲有可執行程序；處理器，用于運行程序，其中，程序運行時執行本專利技術各個實施例中的方法。
12、根據本專利技術實施例的另一方面，還提供了一種計算機可讀存儲介質，計算機可讀存儲介質包括存儲的可執行程序，其中，在可執行程序運行時控制計算機可讀存儲介質所在設備執行本專利技術各個實施例中的方法。<本文檔來自技高網...
【技術保護點】
1.一種電力系統的電力負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的電力系統的電力負荷預測方法，其特征在于，所述電力負荷預測模型包括：時間序列分解模塊、特征提取模塊、特征增強模塊，將所述多個電力負荷時間序列輸入至電力負荷預測模型，利用所述電力負荷預測模型對所述電力系統在未來時間段的多個電力負荷時間序列進行預測，得到目標預測電力負荷數據，包括：
3.根據權利要求2所述的電力系統的電力負荷預測方法，其特征在于，所述特征提取模塊包括：時間窗嵌入層、橫向時間窗分析器、縱向時間窗分析器，利用特征提取模塊對所述季節型時間序列分量進行特征提取，得到綜合時間窗負荷特征，包括：
4.根據權利要求2所述的電力系統的電力負荷預測方法，其特征在于，利用特征增強模塊對所述綜合時間窗負荷特征和所述趨勢時間序列分量進行特征增強，得到所述預測電力負荷數據，包括：
5.根據權利要求4所述的電力系統的電力負荷預測方法，其特征在于，所述特征增強模塊包括：第一卷積層、第二卷積層，利用所述特征增強模塊對所述綜合時間窗負荷特征進行特征增強得到季節型時間序列分量輸出
6.根據權利要求3所述的電力系統的電力負荷預測方法，其特征在于，利用所述時間窗嵌入層對所述季節型時間序列分量中的第一負荷點及第二負荷點建立時間窗負荷特征矩陣，包括：
7.根據權利要求3所述的電力系統的電力負荷預測方法，其特征在于，所述橫向時間窗分析器包括：局部多層感知器、第一標準化層，利用橫向時間窗分析器對所述多個時刻的時間窗負荷特征的局部相關性進行分析，得到多個時刻的橫向時間窗負荷特征，包括：
8.根據權利要求3所述的電力系統的電力負荷預測方法，其特征在于，所述縱向時間窗分析器包括：全局多層感知器、第二標準化層，利用所述縱向時間窗分析器對所述多個時刻的橫向時間窗負荷特征進行提取，得到所述多個時刻的綜合時間窗負荷特征，包括：
9.一種電力系統的電力負荷預測裝置，其特征在于，包括：
10.一種電子設備，其特征在于，包括：
...【技術特征摘要】
1.一種電力系統的電力負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的電力系統的電力負荷預測方法，其特征在于，所述電力負荷預測模型包括：時間序列分解模塊、特征提取模塊、特征增強模塊，將所述多個電力負荷時間序列輸入至電力負荷預測模型，利用所述電力負荷預測模型對所述電力系統在未來時間段的多個電力負荷時間序列進行預測，得到目標預測電力負荷數據，包括：
3.根據權利要求2所述的電力系統的電力負荷預測方法，其特征在于，所述特征提取模塊包括：時間窗嵌入層、橫向時間窗分析器、縱向時間窗分析器，利用特征提取模塊對所述季節型時間序列分量進行特征提取，得到綜合時間窗負荷特征，包括：
4.根據權利要求2所述的電力系統的電力負荷預測方法，其特征在于，利用特征增強模塊對所述綜合時間窗負荷特征和所述趨勢時間序列分量進行特征增強，得到所述預測電力負荷數據，包括：
5.根據權利要求4所述的電力系統的電力負荷預測方法，其特征在于，所述特征增強模塊包括：第一卷積層、第二卷積層，利用所述特征增強模塊對所述綜合時...
【專利技術屬性】
技術研發人員：鄭偉欽，何勝紅，唐鶴，鐘煒，金向朝，陳志平，姚積坤，莫靖，徐朋江，馬欣，譚家勇，倪非非，鐘嘉燊，張勇，張哲銘，譚泳嵐，吳潔璇，蘭天松，黎永泰，王俊波，李國偉，張殷，梁志斌，賀俊良，羅孝隆，覃寶昌，駱林峰，馮鎮生，
申請(專利權)人：廣東電網有限責任公司，
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。