本申請(qǐng)涉及電力負(fù)荷預(yù)測(cè)的，尤其涉及基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法。

背景技術(shù)：

1、我國(guó)電力的清潔化程度不斷提升、第三產(chǎn)業(yè)和居民生活用電的占比持續(xù)加大，使得系統(tǒng)源荷兩側(cè)的不確定程度進(jìn)一步增加。而2023年6月1日起施行的《電力市場(chǎng)監(jiān)管辦法》，明確新增虛擬電廠作為電力交易主體，這將為可控負(fù)荷等靈活性資源提供進(jìn)入市場(chǎng)的機(jī)會(huì)，充分激發(fā)和釋放用戶(hù)側(cè)靈活調(diào)節(jié)能力。虛擬電廠通過(guò)能源互聯(lián)網(wǎng)實(shí)現(xiàn)對(duì)分散的電源、負(fù)荷和儲(chǔ)能設(shè)施的聯(lián)合管理和優(yōu)化調(diào)度。其運(yùn)行原理主要包括：電力交易、儲(chǔ)能調(diào)度、負(fù)荷調(diào)度。在負(fù)荷調(diào)度層面，以“實(shí)現(xiàn)用戶(hù)側(cè)可調(diào)負(fù)荷精準(zhǔn)管控、提高用戶(hù)參與需求響應(yīng)積極性”為出發(fā)點(diǎn)，強(qiáng)化負(fù)荷調(diào)控能力的虛擬電廠是推進(jìn)需求響應(yīng)業(yè)務(wù)發(fā)展的有效手段。而準(zhǔn)確的負(fù)荷結(jié)果有助于挖掘需求側(cè)可調(diào)節(jié)資源的精準(zhǔn)管控潛力，提升需求側(cè)可調(diào)節(jié)負(fù)荷潛力評(píng)估精準(zhǔn)性和市場(chǎng)參與度，為新型電力系統(tǒng)背景下精益化需求響應(yīng)建設(shè)、提升可再生能源滲透率提供技術(shù)支撐。

2、而現(xiàn)有的電力負(fù)荷預(yù)測(cè)均為單步預(yù)測(cè)，其不能在不同時(shí)間長(zhǎng)度的電力系統(tǒng)日前和日內(nèi)發(fā)電計(jì)劃的制定，以及電力市場(chǎng)競(jìng)價(jià)的實(shí)際應(yīng)用中使用，因而存在較大的使用局限性，無(wú)法滿(mǎn)足更多的需求。

3、因此針對(duì)對(duì)上述現(xiàn)有技術(shù)存在的問(wèn)題，提出一種基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法來(lái)進(jìn)行解決。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)實(shí)施例提供了基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，用以解決現(xiàn)有的電力負(fù)荷預(yù)測(cè)均為單步預(yù)測(cè)，其不能在不同時(shí)間長(zhǎng)度的電力系統(tǒng)日前和日內(nèi)發(fā)電計(jì)劃的制定，以及電力市場(chǎng)競(jìng)價(jià)的實(shí)際應(yīng)用中使用，存在較大的使用局限性的技術(shù)問(wèn)題。

2、有鑒于此，本申請(qǐng)?zhí)峁┝嘶趍cnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，包括以下步驟：

3、s101、采集原始負(fù)荷數(shù)據(jù)，并對(duì)所述原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理；

4、s102、將所述原始負(fù)荷數(shù)據(jù)劃分成多個(gè)具有獨(dú)立特征信息的子負(fù)荷；

5、s103、構(gòu)建mcnn-mmol網(wǎng)絡(luò)，基于mcnn-mmol網(wǎng)絡(luò)中的mcnn部分，從不同的尺度對(duì)所述子負(fù)荷的特征進(jìn)行捕捉提取，基于mcnn-mmol網(wǎng)絡(luò)中的mmol部分進(jìn)行多步負(fù)荷預(yù)測(cè)，最終獲得短期電力負(fù)荷多步預(yù)測(cè)結(jié)果。

6、可選的，所述步驟s101中，對(duì)所述原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理，其預(yù)處理具體包括：對(duì)所述原始負(fù)荷數(shù)據(jù)中的異常值進(jìn)行辨識(shí)，并采用線性回歸法對(duì)所述異常值進(jìn)行修正，并基于修正結(jié)果進(jìn)行歸一化處理。

7、可選的，所述步驟s102中,所述mcnn-mmol網(wǎng)絡(luò)中的mcnn部分包括不同的卷積分支，所述不同的卷積分支用于處理不同層次的所述子負(fù)荷。

8、可選的，mcnn-mmol網(wǎng)絡(luò)中的mmol部分進(jìn)行多步負(fù)荷預(yù)測(cè)時(shí)，其具體包括：所述多步負(fù)荷預(yù)測(cè)包括采用多組長(zhǎng)短期記憶網(wǎng)絡(luò)解析所述子負(fù)荷特征的變化規(guī)律，得出預(yù)測(cè)序列，并根據(jù)所述預(yù)測(cè)序列的長(zhǎng)度確定需要預(yù)測(cè)的任務(wù)數(shù)量和門(mén)控單元數(shù)量，并為每個(gè)所述任務(wù)定制專(zhuān)門(mén)的門(mén)控網(wǎng)絡(luò)，調(diào)節(jié)每個(gè)所述長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)特定任務(wù)的共享特征表達(dá)，再將所述門(mén)控單元的輸出進(jìn)行非線性轉(zhuǎn)換，最終通過(guò)線性層來(lái)生成預(yù)測(cè)結(jié)果；

9、所述特定任務(wù)的共享特征表達(dá)式為：

10、

11、其中，sharei(*)為第i個(gè)任務(wù)的共享特征表示，lstm為第m個(gè)共享子網(wǎng)，且m＝{1,2,…,ls}，gatei(*)m為任務(wù)i中第m個(gè)共享子網(wǎng)的權(quán)重；

12、所述門(mén)控網(wǎng)絡(luò)的表達(dá)式為：

13、gatei(xt″′)＝softmax(xt″′)

14、其中，gatei(*)為門(mén)控網(wǎng)絡(luò)，gatei(*)m為任務(wù)i中第m個(gè)共享子網(wǎng)的權(quán)重，softmax為激活函數(shù)；

15、所述任務(wù)輸出為：

16、yi＝toweri(sharei(xt″′))

17、其中，sharei(*)toweri(*)、yi、分別為第i個(gè)任務(wù)的共享特征表示、塔式網(wǎng)絡(luò)、任務(wù)輸出。

18、可選的，包括將所述測(cè)試集數(shù)據(jù)輸入到參數(shù)固定的所述預(yù)測(cè)模型中，獲得多步負(fù)荷預(yù)測(cè)結(jié)果，并采用rmse、mape和r2評(píng)價(jià)指標(biāo)來(lái)評(píng)估和分析所述預(yù)測(cè)模型的性能。

19、可選的，所述rmse、mape和r2評(píng)價(jià)指標(biāo)公式為：

20、

21、其中，len為樣本集長(zhǎng)度；yi和分別為第i個(gè)時(shí)間點(diǎn)對(duì)應(yīng)的負(fù)荷均值、真實(shí)值和預(yù)測(cè)值。

22、可選的，所述原始負(fù)荷數(shù)據(jù)與所述子負(fù)荷數(shù)據(jù)的關(guān)系通過(guò)加法模型函數(shù)來(lái)表達(dá)，所述加法模型函數(shù)可表示為：

23、

24、其中，為時(shí)刻t的原始負(fù)荷，為該時(shí)刻的第j個(gè)子負(fù)荷，所述子負(fù)荷數(shù)量為le，且le≥2。

25、可選的，所述步驟s101中構(gòu)建多層次輸入樣本的表達(dá)式為：

26、

27、其中，樣本t為(xt′,yt)，樣本集為滑動(dòng)窗口大小為p，為總負(fù)荷對(duì)應(yīng)支路輸入，為第j個(gè)子負(fù)荷對(duì)應(yīng)支路輸入。

28、可選的，所述步驟s102包括在所述構(gòu)建多層次輸入樣本的基礎(chǔ)上，每條支路分別對(duì)相應(yīng)輸入的負(fù)荷數(shù)據(jù)進(jìn)行卷積運(yùn)算，得到負(fù)荷輸出特征圖，并采用拼接層對(duì)所述負(fù)荷輸出特征圖進(jìn)行拼接，形成特征表示作為下一層網(wǎng)絡(luò)的輸入，相關(guān)表達(dá)式為：

29、

30、其中，θnode、θi分別為原始負(fù)荷、子負(fù)荷對(duì)應(yīng)支路參數(shù)，xtnode″，x″t,i分別為原始負(fù)荷、子負(fù)荷的輸出，conv1d*(*)為一維卷積運(yùn)算，concatnate為拼接函數(shù)。

31、從以上技術(shù)方案可以看出，本申請(qǐng)實(shí)施例具有以下優(yōu)點(diǎn)：

32、本申請(qǐng)?zhí)峁┑幕趍cnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，該方法將多支路特征提取架構(gòu)和多任務(wù)學(xué)習(xí)機(jī)制有機(jī)結(jié)合，提供了更加準(zhǔn)確和穩(wěn)定的預(yù)測(cè)結(jié)果，能在不同時(shí)間長(zhǎng)度的電力系統(tǒng)日前和日內(nèi)發(fā)電計(jì)劃的制定，以及電力市場(chǎng)競(jìng)價(jià)的實(shí)際應(yīng)用中使用，滿(mǎn)足更多的使用需求；

33、基于多門(mén)控共享學(xué)習(xí)的多步預(yù)測(cè)方法可以將特征信息動(dòng)態(tài)映射到不同任務(wù)中，通過(guò)聯(lián)合優(yōu)化多個(gè)任務(wù)提高了模型性能；

34、基于多支路并行的cnn特征提取網(wǎng)絡(luò)通過(guò)劃分特征空間，將高維特征空間優(yōu)化分解為多個(gè)低維空間的子優(yōu)化，提高了特征提取的全面性和細(xì)致度；

35、基于mcnn和mmol構(gòu)建的多步預(yù)測(cè)模型，能夠考慮多尺度特征信息并為預(yù)測(cè)任務(wù)差異化分配特征權(quán)重，有效的提高了預(yù)測(cè)精度。

技術(shù)特征：

1.基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述步驟s101中，對(duì)所述原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理，其預(yù)處理具體包括：對(duì)所述原始負(fù)荷數(shù)據(jù)中的異常值進(jìn)行辨識(shí)，并采用線性回歸法對(duì)所述異常值進(jìn)行修正，并基于修正結(jié)果進(jìn)行歸一化處理。

3.根據(jù)權(quán)利要求2所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述步驟s102中，所述mcnn-mmol網(wǎng)絡(luò)中的mcnn部分包括不同的卷積分支，所述不同的卷積分支用于處理不同層次的所述子負(fù)荷。

4.根據(jù)權(quán)利要求3所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，mcnn-mmol網(wǎng)絡(luò)中的mmol部分進(jìn)行多步負(fù)荷預(yù)測(cè)時(shí)，其具體包括：采用多組長(zhǎng)短期記憶網(wǎng)絡(luò)解析所述子負(fù)荷特征的變化規(guī)律，得出預(yù)測(cè)序列，并根據(jù)所述預(yù)測(cè)序列的長(zhǎng)度確定需要預(yù)測(cè)的任務(wù)數(shù)量和門(mén)控單元數(shù)量，并為每個(gè)所述任務(wù)定制專(zhuān)門(mén)的門(mén)控網(wǎng)絡(luò)，調(diào)節(jié)每個(gè)所述長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)特定任務(wù)的共享特征表達(dá)，再將所述門(mén)控單元的輸出進(jìn)行非線性轉(zhuǎn)換，最終通過(guò)線性層來(lái)生成預(yù)測(cè)結(jié)果；

5.根據(jù)權(quán)利要求2所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，包括將所述測(cè)試集數(shù)據(jù)輸入到參數(shù)固定的所述預(yù)測(cè)模型中，獲得多步負(fù)荷預(yù)測(cè)結(jié)果，并采用rmse、mape和r2評(píng)價(jià)指標(biāo)來(lái)評(píng)估和分析所述預(yù)測(cè)模型的性能。

6.根據(jù)權(quán)利要求5所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述rmse、mape和r2評(píng)價(jià)指標(biāo)公式為：

7.根據(jù)權(quán)利要求1所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述原始負(fù)荷數(shù)據(jù)與所述子負(fù)荷數(shù)據(jù)的關(guān)系通過(guò)加法模型函數(shù)來(lái)表達(dá)，所述加法模型函數(shù)可表示為：

8.根據(jù)權(quán)利要求1所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述步驟s101中構(gòu)建多層次輸入樣本的表達(dá)式為：

9.根據(jù)權(quán)利要求8所述的基于mcnn-mmol的短期電力負(fù)荷多步預(yù)測(cè)方法，其特征在于，所述步驟s102包括在所述構(gòu)建多層次輸入樣本的基礎(chǔ)上，每條支路分別對(duì)相應(yīng)輸入的負(fù)荷數(shù)據(jù)進(jìn)行卷積運(yùn)算，得到負(fù)荷輸出特征圖，并采用拼接層對(duì)所述負(fù)荷輸出特征圖進(jìn)行拼接，形成特征表示作為下一層網(wǎng)絡(luò)的輸入，相關(guān)表達(dá)式為：

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了基于MCNN?MMoL的短期電力負(fù)荷多步預(yù)測(cè)方法，包括以下步驟：S101、采集原始負(fù)荷數(shù)據(jù)，并對(duì)所述原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理；S102、將所述原始負(fù)荷數(shù)據(jù)劃分成多個(gè)具有獨(dú)立特征信息的子負(fù)荷；S103、構(gòu)建MCNN?MMoL網(wǎng)絡(luò)，基于MCNN?MMoL網(wǎng)絡(luò)中的MCNN部分，從不同的尺度對(duì)所述子負(fù)荷的特征進(jìn)行捕捉提取，基于MCNN?MMoL網(wǎng)絡(luò)中的MMoL部分進(jìn)行多步負(fù)荷預(yù)測(cè)，最終獲得短期電力負(fù)荷多步預(yù)測(cè)結(jié)果；用于解決現(xiàn)有的電力負(fù)荷預(yù)測(cè)均為單步預(yù)測(cè)，存在較大的使用局限性的技術(shù)問(wèn)題。

技術(shù)研發(fā)人員：馬恒瑞,朱蘇洵,任博文,王波,馬富齊,王紅霞,武世東,王梟,司楊,陳曉弢,楊艷,蘇小玲,麻林瑞,張嘉鑫,羅鵬,張迎晨
受保護(hù)的技術(shù)使用者：武漢大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15