基于深度學習的臺區(qū)短期負荷預(yù)測方法

基本信息

申請?zhí)?/td> CN202111511262.0 申請日 -
公開（公告）號 CN114186739A 公開（公告）日 2022-03-15
申請公布號 CN114186739A 申請公布日 2022-03-15
分類號 G06Q10/04（2012.01）I;G06Q10/06（2012.01）I;G06Q50/06（2012.01）I;G06F30/27（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 王偉恒;胡偉;李小蘭;宋樹宏;張宇;潘鐵錚;郭秋婷 申請（專利權(quán)）人 國網(wǎng)遼寧省電力有限公司沈陽供電公司
代理機構(gòu) 沈陽維特專利商標事務(wù)所（普通合伙） 代理人 李丹
地址 110000遼寧省沈陽市和平區(qū)八經(jīng)街94號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學習的臺區(qū)短期負荷預(yù)測方法，包括如下步驟：S1：采集低壓配電臺區(qū)的時序運行數(shù)據(jù)，其中，所述時序運行數(shù)據(jù)包括電壓、電流、有功功率、無功功率和時間信息；S2：對所述時序運行數(shù)據(jù)進行預(yù)處理和特征工程工作，得到數(shù)值型數(shù)據(jù)和類別型數(shù)據(jù)；S3：將所述數(shù)值型數(shù)據(jù)輸入到訓練好的Seq2Seq?Attention模型中，得到經(jīng)過Attention模型附加權(quán)重的向量序列，之后，將經(jīng)過全連接網(wǎng)絡(luò)的類別型數(shù)據(jù)與所述向量序列進行向量合并，并經(jīng)過激活函數(shù)得到負荷預(yù)測結(jié)果。該基于深度學習的臺區(qū)短期負荷預(yù)測方法，在Seq2Seq?Attention模型和電力系統(tǒng)大量多維時間序列數(shù)據(jù)基礎(chǔ)之上，基于Seq2Seq?Attention模型下的臺區(qū)短期負荷預(yù)測方法，能夠達到較高的預(yù)測準確性。