[发明专利]一种基于QRNN的配电台区基线负荷预测方法及装置

权利要求书

1.一种基于QRNN的配电台区基线负荷预测方法，其特征在于，包括以下步骤：

构建基于QRNN网络的基线负荷预测模型，并选取若干负荷影响因素作为所述基线负荷预测模型的输入特征向量，以待预测日负荷预测值作为所述基线负荷预测模型的输出特征向量；

在所述基线负荷预测模型中，对所述输入特征向量进行数据预处理并将得到的数据集划分为训练集、验证集和测试集，基于预设的预测效果评价指标和预设的超参数对所述训练集、所述验证集和所述测试集进行计算，得到预测结果。

2.如权利要求1所述的基于QRNN的配电台区基线负荷预测方法，其特征在于，所述基于QRNN网络的基线负荷预测模型的QRNN网络具体为：

QRNN网络的卷积部分：

f_t＝σ(W_f*X_t)

o_t＝σ(W_o*X_t)

QRNN网络的池化部分：

h_t＝o_t⊙tanh(c_t)

其中，f_t，o_t表示m维时间序列卷积得数，符号*表示沿时间步长维度的掩码卷积，符号⊙表示按元素进行乘法运算；w，W_f，为卷积滤波器，k为卷积滤波器的宽度，表示由个维的输入特征向量组成，c_t为输入特征向量的乘法运算值，h_t为运算输出值。

3.如权利要求1所述的基于QRNN的配电台区基线负荷预测方法，其特征在于，所述选取若干负荷影响因素作为所述基线负荷预测模型的输入特征向量，具体为：

选取历史负荷参数、平均温度参数、相对湿度参数、日期类型参数、时刻值参数共同作为所述基线负荷预测模型的输入特征向量。

4.如权利要求1所述的基于QRNN的配电台区基线负荷预测方法，其特征在于，所述对所述输入特征向量进行数据预处理并将得到的数据集划分为训练集、验证集和测试集，具体为：

在对输入所述基线负荷预测模型中的原始特征数据x(i)进行数据预处理时，对所述原始特征数据x(i)进行归一化处理，使输入均限制在[0，1]范围内，归一化后的输入数据x₁(i)为：

式中，x_max、x_min分别为原始输入数据最大值和最小值；

将不超过原始特征数据的数据量15％的空缺值和“NAN”异常值，采用与其相邻负荷数据的均值进行填充；若出现连续异常数据，则继续向两端查找直至非空值；

并将得到的数据集以70％∶15％∶15％的比例划分训练集、验证集和测试集。

5.如权利要求1所述的基于QRNN的配电台区基线负荷预测方法，其特征在于，所述预设的预测效果评价指标包括：

平均绝对百分比误差：

均方根误差：

其中，n为预测点数量，y_i、d_i分别为预测点i负荷真实值和预测值。

6.一种基于QRNN的配电台区基线负荷预测装置，其特征在于，包括：

模型建立模块，用于构建基于QRNN网络的基线负荷预测模型，并选取若干负荷影响因素作为所述基线负荷预测模型的输入特征向量，以待预测日负荷预测值作为所述基线负荷预测模型的输出特征向量；

模型数据处理模块，用于在所述基线负荷预测模型中，对所述输入特征向量进行数据预处理并将得到的数据集划分为训练集、验证集和测试集，基于预设的预测效果评价指标和预设的超参数对所述训练集、所述验证集和所述测试集进行计算，得到预测结果。