[发明专利]一种时空多模态电网运维资源消耗预测方法

说明书

本发明提供了一种时空多模态电网运维资源消耗预测方法，所述预测方法具体为获取电网运维资源消耗因素和对应的时间序列数据，同时采集电网运维资源消耗的时间序列数据，构建数据集并随机划分为测试集和训练集，构建电网运维资源消耗预测模型，对训练集中的时间序列数据进行时间维度特征提取，同时提取训练集中的时间序列数据在设定时间节点下的关系特征，根据提取的特征对电网运维资源消耗预测模型进行参数训练，电网运维资源消耗预测模型训练完成后，将测试集输入电网运维资源消耗预测模型进行电网运维资源消耗预测。本发明能够将时间序列数据间的影响关系也考虑至预测过程中，能够有效提高电网运维资源消耗预测结果的准确性。

技术领域

本发明涉及电网运维技术领域，尤其是指一种时空多模态电网运维资源消耗预测方法。

背景技术

电网运维资源消耗的时间序列数据是具有重要挖掘潜力的电力大数据，通过电网运维资源消耗的时间序列数据能够实现对于电网运维过程中资源消耗的预测，根据预测结果能够更加合理进行电网运维过程中的资源分配，使得电网运维的效率能够得到提升。而电网运维资源消耗的预测是一个多变量的时间序列分析问题，单一变量的时间序列是由某个统计指标在不同时间点数据按时间排序而成，且数据之间的时间间隔往往是固定的。而多变量时间序列则有多个单一变量时间序列组成，且每个变量时间序列的时间节点取样是一致的。由于一个时间序列的变化规律往往收到其他时间序列的影响，但现有的对于电网运维资源消耗的预测方法中，仅能够考虑到多变量时间序列中单一变量在时间方向上的影响，并没有考虑到多变量间之间的影响关系，从而导致电网运维资源消耗的预测结果并不准确。

发明内容

本发明的目的是克服现有技术中的缺点，提供一种时空多模态电网运维资源消耗预测方法，能够在对时间序列数据进行时间维度特征提取的同时，提取时间序列数据在设定时间节点下的关系特征，并根据提取的时间维度特征和在设定时间节点下的关系特征实现电网运维资源消耗预测模型的参数训练，能够解决现有的电网运维资源消耗预测方法中存在的仅能考虑单一变量在时间方向上的影响，导致电网运维资源消耗预测结果不准确的问题，能够提高电网运维资源消耗的预测准确性，从而能够更加合理进行电网运维过程中的资源分配，使得电网运维的效率得到提升。

本发明的目的是通过下述技术方案予以实现：

一种时空多模态电网运维资源消耗预测方法，包括以下步骤：

步骤一，获取电网运维资源消耗因素，并采集每个电网运维资源消耗因素对应的时间序列数据，同时采集电网运维资源消耗的时间序列数据；

步骤二，根据电网运维资源消耗因素对应的时间序列数据以及电网资源消耗的时间序列数据构建数据集，并将数据集随机划分为测试集和训练集；

步骤三，构建电网运维资源消耗预测模型，对训练集中的时间序列数据进行时间维度特征提取，同时提取训练集中的时间序列数据在设定时间节点下的关系特征；

步骤四，根据从训练集中提取的时间维度特征以及在设定时间节点下的关系特征对电网运维资源消耗预测模型进行参数训练，电网运维资源消耗预测模型训练完成后，将测试集输入电网运维资源消耗预测模型进行电网运维资源消耗预测。

进一步的，步骤三中在对训练集中的时间序列数据进行时间维度特征提取时，先采用K维卷积核对时间序列数据在时间方向上进行运算，获取所有时间序列数据对应的结果向量，根据所有的结果向量构建矩阵Z，并将矩阵Z作为UR-LSTM的输入，通过UR-LSTM获取每个时间戳的输出结果，根据每个时间戳的输出结果构建矩阵H，所述矩阵H为提取的时间维度特征。

进一步的，步骤三中在提取训练集中的时间序列数据在设定时间节点下的关系特征时，通过一维卷积模型提取时间序列数据在设定时间节点下的关系特征。