[发明专利]基于双阶段注意力机制的工业用户用电量短期预测方法

说明书

本申请提出了一种基于双阶段注意力机制的工业用户用电量短期预测方法，涉及用电量短期预测技术领域，其中，该方法包括：获取工业用户用电量原始时序数据；对工业用户用电量原始时序数据进行数据处理，生成样本数据集；构建双阶段注意力机制的工业用户用电量短期预测模型，并使用样本数据集对模型进行训练，生成训练好的模型；通过将真实数据输入训练好的模型实现工业用户用电量的短期预测。采用上述方案的本申请解决了现有工业用户用电量短期预测方法在精确度和智能化方面存在的难点，实现了不同行业工业用户用电量的短期预测。

技术领域

本申请涉及用户用电量短期预测技术领域，尤其涉及一种基于双阶段注意力机制的工业用户用电量短期预测方法和系统。

背景技术

用电量预测是电力管理系统的重要组成部分，精确、实时的分析与预测不仅能为电力系统的安全运行提供保障，还能为市场环境下的调度、供电和交易提供依据。由于工业用户用电量占全社会总量的比重不断上升，其用电行为对电力系统供需平衡有显著影响。工业用户用电量时序数据存在非线性、非平稳等特征。了解工业用户电力消耗随时间变化的规律有助于对城市、地区或国家范围内的电力需求进行调控。由于电力事关社会生活根本，预测错误会导致运营成本增加并为企业运行、日常生活带来损失和不便，因此，随着电力生产和消费的市场化发展，面向工业用户的用电量预测在准确性、可靠性和智能化方面都面临更高的标准和挑战。

当前，面向用电量的预测按照时间尺度可分为长期、中期和短期预测。中、长期预测用于确定需求响应策略，制定电力设备安装和维护计划。短期预测的周期通常以分钟、小时为单位进行预测，用于短期调度和储能计划，所获得的即时信息可以辅助应对突发情况，快速、高效地进行调度，缓解现代电力系统供需矛盾。工业用户用电量时序数据波动大、频率高、周期性变化等特点，预测难度较大，已有大量研究利用实际数据进行短期预测模型的探索和研究。

最早人们利用统计学方法对工业用电量进行预测，此类方法通常假设输入数据具备线性特征，不能很好地捕捉短期用电量数据中非线性、非平稳的特点，在应对瞬时突变情况时会出现较大的误差。机器学习方法可以更好地处理用电量时序数据非平稳、非线性等特点，但前期面临复杂的特征提取工作。随着深度学习方法的发展，深度神经网络在预测重要的电力系统参数时智能化效果显著提升，它通过深层结构逐层提取数据特征，相关时序具有较强的自适应能力。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种基于双阶段注意力机制的工业用户用电量短期预测方法，解决了现有工业用户用电量短期预测方法在精确度和智能化方面存在的难点，通过对工业用户用电量时序数据进行分解和重构，得到代表其不同频率域特征的高频、低频和趋势成分，基于滑动窗口技术构建短期预测数据集；基于编码器-解码器框架，引入双阶段的注意力机制提取输入变量间的空间依赖和时间依赖关系；采用双层卷积神经网络对原始序列进行特征提取，进一步捕捉用户用电量时序数据的瞬时突变特征；得到最终预测结果，实现不同行业工业用户用电量的短期预测。

本申请的第二个目的在于提出一种基于双阶段注意力机制的工业用户用电量短期预测系统。

本申请的第三个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种基于双阶段注意力机制的工业用户用电量短期预测方法，包括：获取工业用户用电量原始时序数据；对工业用户用电量原始时序数据进行数据处理，生成样本数据集；构建双阶段注意力机制的工业用户用电量短期预测模型，并使用样本数据集对模型进行训练，生成训练好的模型；通过将真实数据输入训练好的模型实现工业用户用电量的短期预测。

可选地，在本申请的一个实施例中，对工业用户电量原始时序数据进行数据处理，生成数据集，包括以下步骤：

对工业用户用电量原始时序数据进行数据清洗；