[发明专利]一种基于动态图神经网络的空调负荷功率实时辨识方法

权利要求书

1.一种基于动态图神经网络的空调负荷功率实时辨识方法，其特征在于，包括以下步骤：

(1)将原始时序负荷数据转换为图网络拓扑，图网络拓扑由节点与节点之间的连接关系构成，以各个时间点的用户总负荷功率作为节点特征值，根据可视图规则构建各节点之间的连接关系，以构建图网络拓扑，并根据邻域规则确定图网络拓扑中每个节点的邻域；

(2)以用户历史时刻总负荷功率及相应时刻的环境温度数据作为节点输入特征，以相应时刻的空调真实负荷功率作为标签，在历史数据集上对图神经网络模型进行预训练；其中，每个节点的节点嵌入向量表征该节点的特征，该特征随时间变化，所述节点嵌入向量通过双层注意力机制网络计算获取；各个节点的信息由节点输入特征向量及节点记忆信息拼接组成，所述节点记忆信息随着其参与图网络拓扑的变化而不断更新；

(3)预训练完的图神经网络模型每接收到一组新的总负荷功率，根据步骤(1)中的可视图规则拓展图网络拓扑，将新节点的记忆信息初始化为0，将新节点及其邻域节点的特征输入进图神经网络模型中计算节点嵌入向量，同时根据节点记忆信息更新机制更新所有新连接关系涉及到的节点记忆信息；将新节点对应的节点嵌入向量通过全连神经网络输出层以获取该节点对应时刻下的空调负荷功率辨识结果；重复当前步骤直至此段时间的空调真实负荷功率传达至图神经网络模型；

(4)图神经网络模型接收到过去一段时间的空调真实负荷功率后，将图网络拓扑中的所有节点的记忆恢复至上一次图神经网络模型更新结束的状态，将此段时间内新加入的节点记忆初始化为0，将图神经网络模型更新期间的节点作为训练样本，将该段时间的空调真实负荷功率作为训练样本的标签，更新图卷积神经网络的参数，以获取最终的图卷积神经网络；

(5)图卷积神经网络接收新时刻的总负荷功率，重复所述步骤(3)-步骤(4)，以获取当前时刻的空调负荷功率辨识结果。

2.根据权利要求1所述的基于动态图神经网络的空调负荷功率实时辨识方法，其特征在于，所述可视图规则的公式为：

其中，(t_a,y_a)表示t_a时刻的用户总负荷功率为y_a，(t_b,y_b)表示t_b时刻的用户总负荷功率为y_b，(t_a,y_a)和(t_b,y_b)为若任意两对时间数据，(t_c,y_c)为t_a和t_b两者之间任意时间的数据；若t_a与t_b之间任意时刻t_c的数据满足上式关系，则认为a节点与b节点之间具有连接关系。

3.根据权利要求1所述的基于动态图神经网络的空调负荷功率实时辨识方法，其特征在于，所述邻域规则为：以时间顺序依次确定节点的邻域，以被研究节点的时刻作为参考时刻，将与其间隔时间最相近的20个历史邻居节点作为邻域，不足20的以实际邻居节点为邻域。