[发明专利]一种计及电价和Attention机制的LSTM短期负荷预测方法及装置

权利要求书

1.一种计及电价和Attention机制的LSTM短期负荷预测方法，其特征在于：包括如下步骤：

构建LSTM输入特征向量U_i(t)，所述输入特征向量Ui(t)包括与电网相关的电价、温度、湿度、降雨、负荷的数量，并对输入特征向量进行归一化处理，得到处理后输入特征向量U_i(t)；

将处理后特征向量U_i(t)输入LSTM的隐藏层进行训练，得到训练后特征向量U′_i(t)；

利用Attention机制对训练后特征向量U′_i(t)进行计算，得到特征权重向量h_k'；

将特征权重向量h_k'，训练后的特征向量U′_i(t)输入LSTM的全连接层，经过全连接层的训练，得到最终负荷预测值y_t。

2.根据权利要求1所述的一种计及电价和Attention机制的LSTM短期负荷预测方法，其特征在于：所述输入特征向量U_i(t)的特征因子至少包括p_i(t)、v_i(t)、o_i(t)、c_i(t)、h_i(t)、r_i(t)、l_i-1(t)、l_i-1(t-1)、w_i(t)、f_i(t)其中一种，分别表示为：峰时电价、谷时电价、平时电价、预测点时刻的预测温度、预测点时刻的预测湿度、预测点时刻的降雨可能性、预测点前一天同时刻负荷值、预测点前一天前一时刻负荷值、工作日、节假日，其中，i代表天，t代表每天中的时刻。

3.根据权利要求1所述的一种计及电价和Attention机制的LSTM短期负荷预测方法，其特征在于：所述LSTM包括：输入门i_t、遗忘门f_t、输出门o_t，其中输入门i_t、遗忘门f_t、输出门o_t和当前神经元A的候选状态值g_t计算公式如下：

f_t＝σ(W_fxx_t+W_fhh_t-1+b_f)

i_t＝σ(W_ixx_t+W_ihh_t-1+b_i)

o_t＝σ(W_oxx_t+W_ohh_t-1+b_o)

g_t＝tanh(W_gxx_t+W_ghh_t-1+b_g)

式中，W_fh，W_ih，W_oh，W_gh，W_fx，W_ix，W_ox，W_gx分别表示相应门与上个单元输出h_t-1和当前时刻输入x_t相乘得到的矩阵权重，b_f，b_i，b_o，bg为偏置项，σ为sigmoid函数，激活函数为tanh；

新状态值S_t由上一时刻的状态值S_t-1、遗忘门f_t、输入门i_t以及当前时刻的候选状态值g_t决定，得到新状态值S_t后，可得到输出值h_t，表示为

S_t＝f_t·S_t-1+i_t·g_t

h_t＝o_t·tanh(S_t)

式中，·表示各相乘向量中的元素按位乘积。