本發(fā)明涉及電力負(fù)荷預(yù)測，特別是涉及一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

2、隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大以及電動汽車的廣泛普及，多臺區(qū)電網(wǎng)的負(fù)荷特性變得愈發(fā)復(fù)雜。多臺區(qū)之間存在著電氣連接和功率交互，其負(fù)荷不僅受自身臺區(qū)內(nèi)用電設(shè)備的影響，還會受到其他臺區(qū)的關(guān)聯(lián)作用。

3、同時，負(fù)荷數(shù)據(jù)具有明顯的時間序列特性，包括周期性、趨勢性以及不確定性。傳統(tǒng)的負(fù)荷預(yù)測方法，如基于統(tǒng)計(jì)模型的方法，難以有效捕捉多臺區(qū)之間復(fù)雜的空間相關(guān)性和時間序列特征。機(jī)器學(xué)習(xí)方法，雖然在一定程度上能夠處理復(fù)雜數(shù)據(jù)，但對于多臺區(qū)數(shù)據(jù)的空間結(jié)構(gòu)挖掘不夠深入。深度學(xué)習(xí)中的循環(huán)神經(jīng)網(wǎng)絡(luò)（rnn）及其變體lstm，在處理時間序列數(shù)據(jù)方面表現(xiàn)出色，能夠?qū)W習(xí)到負(fù)荷數(shù)據(jù)的長期依賴關(guān)系，但對于多臺區(qū)數(shù)據(jù)中臺區(qū)之間的空間關(guān)系考慮不足。而圖卷積網(wǎng)絡(luò)（gcn）則擅長處理具有圖結(jié)構(gòu)的數(shù)據(jù)，可挖掘多臺區(qū)之間實(shí)際的空間關(guān)聯(lián)，但多數(shù)未充分融入實(shí)際空間信息，導(dǎo)致模型對空間相關(guān)性的捕捉不夠準(zhǔn)確。

4、當(dāng)前，已有一些基于深度學(xué)習(xí)的負(fù)荷預(yù)測方法被提出。然而，部分方法在模型結(jié)構(gòu)上無法充分融合多臺區(qū)數(shù)據(jù)以及實(shí)際空間和時間特征，導(dǎo)致預(yù)測精度受限，且較少考慮負(fù)荷預(yù)測的不確定性，不能為電力系統(tǒng)的決策提供足夠的風(fēng)險信息。因此，需要一種能綜合考慮多臺區(qū)實(shí)際空間結(jié)構(gòu)、不同地區(qū)負(fù)荷特性差異以及負(fù)荷不確定性的概率預(yù)測方法。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法及系統(tǒng)，融合多種模型的優(yōu)勢，考慮實(shí)際物理空間信息以及時間特征信息實(shí)現(xiàn)對多臺區(qū)負(fù)荷的預(yù)測，通過概率預(yù)測的方式反映負(fù)荷的不確定性，為電力系統(tǒng)的調(diào)度、規(guī)劃與運(yùn)行管理提供更全面、可靠的負(fù)荷信息。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、第一方面，本發(fā)明提供一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，包括以下步驟：

4、采集每個臺區(qū)的地理位置數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)以及與負(fù)荷相關(guān)的外部數(shù)據(jù)，并對采集的數(shù)據(jù)進(jìn)行預(yù)處理；

5、基于預(yù)處理后的數(shù)據(jù)，將每個臺區(qū)作為節(jié)點(diǎn)，將臺區(qū)之間的電氣連接作為邊，構(gòu)建圖結(jié)構(gòu)；

6、對圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行特征提取，獲得多臺區(qū)之間的空間特征，將空間特征按時間順序輸入到lstm層中，獲得時間特征；

7、對空間特征和時間特征進(jìn)行動態(tài)融合，獲得融合后的特征，基于融合后的特征行負(fù)荷概率預(yù)測；

8、定義損失函數(shù)，優(yōu)化模型參數(shù)，獲得訓(xùn)練好的多臺區(qū)負(fù)荷概率預(yù)測模型。

9、作為可選擇的實(shí)施方式，對采集的數(shù)據(jù)進(jìn)行預(yù)處理，具體為：

10、對采集到的數(shù)據(jù)進(jìn)行清洗，去除異常值和缺失值，并對數(shù)據(jù)進(jìn)行歸一化處理，將歸一化處理后的數(shù)據(jù)按照時間順序劃分為多個時間窗口，將每個時間窗口內(nèi)的數(shù)據(jù)作為一個樣本。

11、作為可選擇的實(shí)施方式，對圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行特征提取，具體為：利用堆疊的多個gcn層對圖結(jié)構(gòu)的節(jié)點(diǎn)特征和鄰接矩陣進(jìn)行線性變換和非線性激活函數(shù)relu處理，獲得多臺區(qū)之間的空間特征。

12、作為可選擇的實(shí)施方式，所述鄰接矩陣根據(jù)臺區(qū)之間的物理連接關(guān)系和功率傳輸特性構(gòu)建，鄰接矩陣中的元素值根據(jù)臺區(qū)之間的線路阻抗、功率傳輸容量進(jìn)行設(shè)定。

13、作為可選擇的實(shí)施方式，所述圖結(jié)構(gòu)的節(jié)點(diǎn)特征為各臺區(qū)的地理位置信息、負(fù)荷及相關(guān)數(shù)據(jù)。

14、作為可選擇的實(shí)施方式，利用交叉門控塊對空間特征和時間特征進(jìn)行動態(tài)融合，所述交叉門控塊由兩個門控單元組成，分別用于融合gcn提取的空間特征和lstm學(xué)習(xí)的時間序列特征，通過計(jì)算輸入特征的加權(quán)和來生成門控信號，根據(jù)門控信號對空間和時間特征進(jìn)行動態(tài)融合。

15、第二方面，本發(fā)明提供一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測系統(tǒng)，包括：

16、數(shù)據(jù)采集和預(yù)處理模塊，被配置為：采集每個臺區(qū)的地理位置數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)以及與負(fù)荷相關(guān)的外部數(shù)據(jù)，并對采集的數(shù)據(jù)進(jìn)行預(yù)處理；

17、圖結(jié)構(gòu)構(gòu)建模塊，被配置為：基于預(yù)處理后的數(shù)據(jù)，將每個臺區(qū)作為節(jié)點(diǎn)，將臺區(qū)之間的電氣連接作為邊，構(gòu)建圖結(jié)構(gòu)；

18、特征提取模塊，被配置為：對圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行特征提取，獲得多臺區(qū)之間的空間特征，將空間特征按時間順序輸入到lstm層中，獲得時間特征；

19、負(fù)荷概率預(yù)測模塊，被配置為：對空間特征和時間特征進(jìn)行動態(tài)融合，獲得融合后的特征，基于融合后的特征行負(fù)荷概率預(yù)測；

20、模型訓(xùn)練模塊，被配置為：定義損失函數(shù)，優(yōu)化模型參數(shù)，獲得訓(xùn)練好的多臺區(qū)負(fù)荷概率預(yù)測模型。

21、第三方面，本發(fā)明提供一種電子設(shè)備，包括存儲器和處理器以及存儲在存儲器上并在處理器上運(yùn)行的計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器運(yùn)行時，完成第一方面所述的方法。

22、第四方面，本發(fā)明提供一種計(jì)算機(jī)可讀存儲介質(zhì)，用于存儲計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時，完成第一方面所述的方法。

23、第五方面，本發(fā)明提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)完成第一方面所述的方法。

24、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

25、本公開提出一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法及系統(tǒng)，構(gòu)建了cg-gcn-lstm模型，充分發(fā)揮了gcn挖掘多臺區(qū)空間相關(guān)性、lstm學(xué)習(xí)時間序列特征以及交叉門控塊動態(tài)融合時空特征的優(yōu)勢，能夠更全面、準(zhǔn)確地捕捉多臺區(qū)實(shí)際空間以及負(fù)荷數(shù)據(jù)的復(fù)雜特征，相比單一模型或簡單組合模型，顯著提高了負(fù)荷預(yù)測的精度。通過構(gòu)建合理的圖結(jié)構(gòu)數(shù)據(jù)和鄰接矩陣，有效反映了多臺區(qū)電網(wǎng)的物理連接和功率傳輸關(guān)系，使得模型能夠更好地學(xué)習(xí)臺區(qū)之間的實(shí)際空間依賴以及數(shù)據(jù)空間依賴，為負(fù)荷預(yù)測提供更準(zhǔn)確的空間信息支持。交叉門控塊的引入，實(shí)現(xiàn)了空間和時間特征的自適應(yīng)融合，能夠根據(jù)不同的負(fù)荷數(shù)據(jù)特點(diǎn)和預(yù)測任務(wù)，靈活調(diào)整特征融合策略，提高了模型的適應(yīng)性和魯棒性，在面對數(shù)據(jù)噪聲和分布變化時，仍能保持較好的預(yù)測性能。模型最后進(jìn)行概率預(yù)測，可以在實(shí)際應(yīng)用中能夠穩(wěn)定、可靠地考慮不同負(fù)荷差異以及負(fù)荷的不確定性進(jìn)行多臺區(qū)負(fù)荷預(yù)測，為電力系統(tǒng)的科學(xué)調(diào)度和高效運(yùn)行提供有力保障。

26、本發(fā)明附加方面的優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

技術(shù)特征：

1.考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，對采集的數(shù)據(jù)進(jìn)行預(yù)處理，具體為：

3.如權(quán)利要求1所述的考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，對圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行特征提取，具體為：利用堆疊的多個gcn層對圖結(jié)構(gòu)的節(jié)點(diǎn)特征和鄰接矩陣進(jìn)行線性變換和非線性激活函數(shù)relu處理，獲得多臺區(qū)之間的空間特征。

4.如權(quán)利要求3所述的考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，所述鄰接矩陣根據(jù)臺區(qū)之間的物理連接關(guān)系和功率傳輸特性構(gòu)建，鄰接矩陣中的元素值根據(jù)臺區(qū)之間的線路阻抗、功率傳輸容量進(jìn)行設(shè)定。

5.如權(quán)利要求3所述的考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，所述圖結(jié)構(gòu)的節(jié)點(diǎn)特征為各臺區(qū)的地理位置信息、負(fù)荷及相關(guān)數(shù)據(jù)。

6.如權(quán)利要求1所述的考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法，其特征在于，利用交叉門控塊對空間特征和時間特征進(jìn)行動態(tài)融合，所述交叉門控塊由兩個門控單元組成，分別用于融合gcn提取的空間特征和lstm學(xué)習(xí)的時間序列特征，通過計(jì)算輸入特征的加權(quán)和來生成門控信號，根據(jù)門控信號對空間和時間特征進(jìn)行動態(tài)融合。

7.考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測系統(tǒng)，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括存儲器和處理器以及存儲在存儲器上并在處理器上運(yùn)行的計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器運(yùn)行時，完成權(quán)利要求1-6任一項(xiàng)所述的方法。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，用于存儲計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時，完成權(quán)利要求1-6任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)完成權(quán)利要求1-6任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明屬于電力負(fù)荷預(yù)測技術(shù)領(lǐng)域，公開了一種考慮時空特性的多臺區(qū)負(fù)荷概率預(yù)測方法及系統(tǒng)，采集臺區(qū)的地理位置數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)以及與負(fù)荷相關(guān)的外部數(shù)據(jù)并進(jìn)行預(yù)處理；將臺區(qū)作為節(jié)點(diǎn)，將臺區(qū)之間的電氣連接作為邊構(gòu)建圖結(jié)構(gòu)；對圖結(jié)構(gòu)進(jìn)行特征提取，獲得多臺區(qū)之間的空間特征，對空間特征進(jìn)行操作，獲得時間特征；對空間和時間特征進(jìn)行動態(tài)融合，獲得融合后的特征，基于融合后的特征行負(fù)荷概率預(yù)測；定義損失函數(shù)，優(yōu)化模型參數(shù)，獲得訓(xùn)練好的負(fù)荷概率預(yù)測模型。本發(fā)明考慮實(shí)際物理空間信息以及時間特征信息實(shí)現(xiàn)對多臺區(qū)負(fù)荷的預(yù)測，通過概率預(yù)測的方式反映負(fù)荷的不確定性，為電力系統(tǒng)的調(diào)度、規(guī)劃與運(yùn)行管理提供更全面可靠的負(fù)荷信息。

技術(shù)研發(fā)人員：劉澈,楊軒,田崇翼,馬昕,彭勃,馬翔雪,田長彬,游祥宇
受保護(hù)的技術(shù)使用者：山東建筑大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15