[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在审

专利信息
申请号: 202011075454.7 申请日: 2020-10-09
公开(公告)号: CN112288137A 公开(公告)日: 2021-01-29
发明(设计)人: 冯荣强;韩韬;杨勇;赵磊;吴雪琼;陈蕾;郑伟彦;黄武浩;章玮;姜健;刘宏伟;余慧华;傅靖 申请(专利权)人: 国网电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司;国电南瑞南京控制系统有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q30/02;G06Q50/06
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 母秋松
地址: 211106 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电价 attention 机制 lstm 短期 负荷 预测 方法 装置
【说明书】:

发明公开了一种计及电价和Attention机制的LSTM短期负荷预测方法及装置,构建LSTM输入特征向量Ui(t),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Ui(t);将处理后特征向量Ui(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hk';将特征权重向量hk',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,得到最终预测值yt。本发明提供一种科学合理,适用性强,效果佳,能够实现提高短期电力负荷精准度的预测方法。

技术领域

本发明涉及一种计及电价和Attention机制的LSTM短期负荷预测方法及装置,属于电力信息技术领域。

背景技术

目前,电力负荷预测在电力系统中占有非常重要的地位,是电力系统运行分析统筹规划的依据。短期负荷预测能够为电网调度提供线路转供计划,调整电网运行方式,是保证电网短期内顺利运行的有效手段之一。

随着电力市场改革的不断演变,电力市场运营模式趋向自由化,电价的实时性成为影响负荷波动的主要因素,增加了负荷预测的难度,因此实时电价下的短期负荷预测意义重大。另一方面,电网市场规模急速增长、设备种类数量不断增加,智能化水平不断提高,负荷采集数据的数据量和准确性都急速上升,为短期负荷预测提供了数据基础。所以,增加短期负荷预测准确性已成为当前亟待解决的问题。

近年来,人工智能方法在电力负荷预测领域取得了巨大进步,其中深度学习因其处理非线性映射能力的突出被经常使用。卷积神经网络、循环神经网络等都是很好的预测技术,应用面较广泛,但在使用过程中依然有如下问题:负荷预测时没有考虑时序数据的时间相关性,无时间特征;在训练过程中将输入重要数据和普通数据的特征向量平等对待,对负荷预测精度存在一定影响;忽略了电力市场环境下电价变化对负荷预测的影响程度。

发明内容

目的:为了提高负荷预测的精度,本发明在考虑实时电价因素、历史时序数据、输入特征权重的基础上提供一种科学合理,适用性强,效果佳,能够实现提高短期电力负荷精准度的预测方法。

技术方案:为解决上述技术问题,本发明采用的技术方案为:

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

构建LSTM输入特征向量Ui(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Ui(t);

将处理后特征向量Ui(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hk'

将特征权重向量hk',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yt

一种计及电价和Attention机制的LSTM短期负荷预测装置,包括如下模块:

第一模块:用于构建LSTM输入特征向量Ui(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Ui(t);

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司;国电南瑞南京控制系统有限公司,未经国网电力科学研究院有限公司;国网浙江省电力有限公司;国家电网有限公司;国电南瑞南京控制系统有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011075454.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top