[發明專利]用于預測電力負荷的方法和裝置

在審

• 申請號: 201910539280.6
• 申請日: 2019-06-20
• 公開（公告）號: CN110266002A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 孟泉;王蔚
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于預測電力負荷的方法，包括：

獲取待預測企業的歷史電力負荷數據、歷史環境數據和未來環境數據；

利用預先訓練的編碼器對所述待預測企業的歷史電力負荷數據和歷史環境數據進行編碼，得到所述待預測企業的歷史電力負荷特征；

利用預先訓練的解碼器對所述待預測企業的歷史電力負荷特征和未來環境數據進行解碼，得到所述待預測企業的未來電力負荷預測數據。

2.根據權利要求1所述的方法，其中，所述編碼器是卷積神經網絡，所述解碼器是長短期記憶網絡。

3.根據權利要求2所述的方法，其中，所述利用預先訓練的編碼器對所述待預測企業的歷史電力負荷數據和歷史環境數據進行編碼，得到所述待預測企業的歷史電力負荷特征，包括：

基于所述待預測企業的歷史電力負荷數據和歷史環境數據，生成所述待測企業的歷史二維數據，其中，所述歷史二維數據包括時間維度和空間維度，所述時間維度包括歷史時間點，所述空間維度包括每個歷史時間點的電力負荷數據和環境數據；

基于所述歷史二維數據，生成所述待預測企業的歷史圖像；

將所述待預測企業的歷史圖像輸入至所述卷積神經網絡，得到所述待預測企業的歷史電力負荷特征。

4.根據權利要求2所述的方法，其中，所述卷積神經網絡包括輸入網絡、殘差神經網絡和輸出網絡，所述輸入網絡涉及的操作包括以下至少一項：卷積、批標準化和激活函數變換，所述殘差神經網絡涉及的操作包括以下至少一項：卷積、隨機失活、激活函數變換、批標準化和最大池化，所述輸出網絡涉及的操作包括以下至少一項：批標準化和平均池化。

5.根據權利要求4所述的方法，其中，所述殘差神經網絡通過直連將所述輸入網絡的輸出經過最大池化后與所述殘差神經網絡的輸出合并。

6.根據權利要求2所述的方法，其中，所述長短期記憶網絡包括多個長短期記憶單元，每個長短期記憶單元包括輸入門、遺忘門和輸出門。

7.根據權利要求1-6之一所述的方法，其中，所述編碼器和所述解碼器通過如下步驟訓練得到：

獲取訓練樣本集合，其中，每個訓練樣本包括以下三部分：第一預設長度的樣本電力負荷數據和樣本環境數據、第二預設長度的樣本環境數據和第二預設長度的樣本電力負荷數據；

對于所述訓練樣本集合中的訓練樣本，將該訓練樣本中的第一預設長度的樣本電力負荷數據和樣本環境數據作為所述編碼器的輸入，將所述編碼器的輸出和該訓練樣本中的第二預設長度的樣本環境數據作為所述解碼器的輸入，將該訓練樣本中的第二預設長度的樣本電力負荷數據作為所述解碼器的輸出，訓練出所述編碼器和所述解碼器。

8.根據權利要求7所述的方法，其中，所述獲取訓練樣本集合，包括：

獲取樣本企業的歷史電力負荷數據和歷史環境數據；

使用滑動窗對所述樣本企業的歷史電力負荷數據和歷史環境數據進行分割，生成訓練樣本集合，其中，所述滑動窗的長度等于所述第一預設長度與所述第二預設長度之和，每個訓練樣本包括以下三部分：前第一預設長度的歷史電力負荷數據和歷史環境數據、后第二預設長度的歷史環境數據和后第二預設長度的歷史電力負荷數據。

9.一種用于預測電力負荷的裝置，包括：

獲取單元，被配置成獲取待預測企業的歷史電力負荷數據、歷史環境數據和未來環境數據；

編碼單元，被配置成利用預先訓練的編碼器對所述待預測企業的歷史電力負荷數據和歷史環境數據進行編碼，得到所述待預測企業的歷史電力負荷特征；

解碼單元，被配置成利用預先訓練的解碼器對所述待預測企業的歷史電力負荷特征和未來環境數據進行解碼，得到所述待預測企業的未來電力負荷預測數據。

10.一種電子設備，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-8中任一所述的方法。

11.一種計算機可讀介質，其上存儲有計算機程序，其中，所述計算機程序被處理器執行時實現如權利要求1-8中任一所述的方法。