[发明专利]一种电量负荷预测方法及装置

权利要求书

1.一种电量负荷预测方法，其特征在于，包括：

获取待预测时刻对应的时间序列数据与所述时间序列数据相对应的外部因素数据，所述外部因素数据包括温度和天气，还包括湿度、风速、能见度、压强；

采用残差注意力网络对所述时间序列数据进行处理，以获取所述时间序列数据的语义数据特征，所述语义数据特征包括趋势性数据特征、周期性数据特征和邻近性数据特征；

采用自编码器对所述外部因素数据进行处理，以获取所述外部因素数据的外部因素特征；

根据所述语义数据特征和所述外部因素特征，获取组合特征，具体的：将提取的趋势性数据特征、周期性数据特征、邻近性数据特征和外部因素特征进行拼接组合，得到组合特征；

采用神经网络对所述组合特征进行处理，获取所述待预测时刻的电量负荷预测结果；

所述获取待预测时刻对应的时间序列数据与所述时间序列数据相对应的外部因素数据，包括：

获取时间序列的电量负荷数据；

根据预设规则，从所述时间序列的电量负荷数据中提取与待预测时刻对应的时间序列数据，所述时间序列数据包括趋势性数据、周期性数据和邻近性数据；

根据所述时间序列数据，获取外部因素数据，所述外部因素数据至少包括温度数据和天气数据。

2.如权利要求1所述的电量负荷预测方法，其特征在于，所述根据预设规则，从所述时间序列的电量负荷数据中提取与待预测时刻对应的时间序列数据，所述时间序列数据包括趋势性数据、周期性数据和邻近性数据步骤中，所述趋势性数据为所述待预测时刻前预设周数每周同一时刻的电量负荷数据；

所述周期性数据为所述待预测时刻前预设天数每天同一时刻的电量负荷数据；

所述邻近性数据为所述待预测时刻前预设小时数每小时同一时刻的电量负荷数据。

3.如权利要求1所述的电量负荷预测方法，其特征在于，所述语义数据特征包括趋势性数据特征、周期性数据特征和邻近性数据特征；

所述采用残差注意力网络对所述时间序列数据进行处理，以获取所述时间序列数据的语义数据特征，包括：

采用第一残差注意力网络对所述趋势性数据进行处理，获取所述趋势性数据对应的趋势性数据特征；

采用第二残差注意力网络对所述周期性数据进行处理，获取所述周期性数据对应的周期性数据特征；

采用第三残差注意力网络对所述邻近性数据进行处理，获取所述邻近性数据对应的邻近性数据特征。

4.如权利要求1所述的电量负荷预测方法，其特征在于，所述采用残差注意力网络对所述时间序列数据进行处理，以获取所述时间序列数据的语义数据特征步骤前，还包括：

对初始残差注意力网络、初始自编码器和初始神经网络进行训练，以获取满足预设要求的残差注意力网络、自编码器和神经网络，包括：

对时间序列数据和外部因素数据进行分割，以获取训练数据和测试数据，所述训练数据包括趋势性训练数据、周期性训练数据、邻近性训练数据和外部因素训练数据，所述测试数据包括趋势性测试数据、周期性测试数据、邻近性测试数据和外部因素测试数据；

采用所述训练数据对所述初始残差注意力网络和所述初始自编码器进行训练，以获取经过训练的残差注意力网络、经过训练的自编码器以及所述训练数据的组合特征，所述训练数据的组合特征包括语义数据特征以及外部因素特征；

采用所述训练数据的组合特征对所述初始神经网络进行训练，以获取经过训练的神经网络；

采用所述测试数据对所述经过训练的残差注意力网络、经过训练的自编码器和所述经过训练的神经网络进行测试，以确定满足预设要求的残差注意力网络、自编码器和神经网络用于电量负荷预测。