[发明专利]基于多元时间序列的电力负荷预测方法、装置及相关组件

权利要求书

1.一种基于多元时间序列的电力负荷预测方法，其特征在于，包括：

获取电力负荷预测过程中的时序原始数据；

对所述时序原始数据进行预处理并得到时序样本数据；

构建所述时序样本数据的变量之间的图结构，根据所述图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵；

将所述第一特征矩阵与所述时序样本数据进行特征融合，得到第二特征矩阵；

对所述第二特征矩阵进行编码并输出待解码序列，对所述待解码序列进行解码得到新的特征序列；

对新的特征序列进行归一化操作，并将归一化操作后的数据进行全连接，构建得到时序预测模型，并利用所述时序预测模型输出预测值；

其中，所述根据所述图结构获取每个变量的空间向量表达，根据每个变量的空间向量表达构建第一特征矩阵，包括：

按如下公式获取所述时序样本数据中每一变量的空间向量表达：

其中，A是时序样本数据的变量之间的图结构，I是单位矩阵；表示的度矩阵；H^(l)为l层的节点表示，H⁽⁰⁾为随机初始化的节点表示，W^(l)表示权重矩阵，σ表示sigmoid函数；

根据得到的每一变量的空间向量表达构建所述第一特征矩阵；

其中，所述将所述第一特征矩阵与所述时序样本数据进行特征融合，得到第二特征矩阵，包括：

将所述第一特征矩阵输入sigmoid函数，并按如下公式获取概率向量：

P＝σ(W_G·G+b_G)；其中，G表示第一特征矩阵，W_G和b_G是线性变换的两个训练参数；

按如下公式提取图结构信息：

G′＝G·P；其中G′表示经过门控机制提取后的图结构信息；

按如下公式将所述时序样本数据与图结构信息进行特征融合；

X′＝X+G′^T；其中，X′表示第二特征矩阵；X表示第一特征矩阵，G′^T表示G′的转置矩阵。

2.根据权利要求1所述的基于多元时间序列的电力负荷预测方法，其特征在于，对所述时序原始数据进行预处理并得到时序样本数据，包括：

检测所述时序原始数据的数据缺失量，利用插值算法或回归算法进行缺失值填充；

对填充缺失值后的所述时序原始数据进行数据标准化处理；

根据标准化处理后的所述时序原始数据得到时序样本数据。

3.根据权利要求1所述的基于多元时间序列的电力负荷预测方法，其特征在于，所述构建所述时序样本数据的变量之间的图结构，包括：

将所述时序样本数据的变量作为节点，以及将变量之间的相似度作为节点之间的边，并按如下公式计算变量之间的相似度，以构建出所述时序样本数据的变量之间的图结构：

其中，A[i，j]表示邻接矩阵中第i行第j列对应的元素；E_i为初始化的第i个节点的向量，E_j为初始化的第j个节点的向量，||E_i||表示第i个节点的向量的模，||E_j||表示第j个节点的向量的模。