[發明專利]考慮微氣象與用戶模式的居民負荷概率預測深度學習方法

有效

• 申請號: 202010035713.7
• 申請日: 2020-01-14
• 公開（公告）號: CN111275571B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 程禮臨;臧海祥;衛志農;許瑞琦;孫國強
• 申請（專利權）人: 河海大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種考慮微氣象與用戶模式的居民負荷概率預測深度學習方法，其特征在于：包括以下步驟：

(1)采集歷史近一周的用戶用電負荷序列、待預測時刻的數值微氣象預報數據，結合待預測日所處星期、用戶編號和微氣象站數量，進行數據維度轉換融合，構造二維多通道特征圖譜，作為深度學習模型輸入；

(2)基于二維多通道特征圖譜輸入，構建深層擠壓-激勵殘差卷積神經網絡模型，對居民用電負荷進行點預測；

(3)根據點預測結果的誤差，進行分段核密度估計，得到居民用戶用電負荷概率預測的初步結果；

(4)基于稀疏-冗余特性表征方法，提取用戶每日負荷曲線中的特征模式，確定用戶用電模式；

(5)基于用戶負荷概率預測初步結果和用戶用電模式，對概率預測區間進行不確定性校正，得到居民用戶用電負荷概率預測的最終結果，預測日前居民負荷概率；

(6)對日前居民負荷概率預測結果進行誤差分析，包括根據預測區間平均覆蓋誤差、預測區間峰度和區間邊界分位數損失函數分別校驗預測區間可靠性、預測區間準確性和區間邊界的穩定性。

2.根據權利要求1所述的考慮微氣象與用戶模式的居民負荷概率預測深度學習方法，其特征在于：步驟(1)中對于所采集到的歷史數據包括連續序列數據處理，連續點數據處理，離散序列數據處理和離散點數據處理四種處理類型，具體如下：

(11)連續序列數據處理

對歷史近一周的用戶用電負荷序列表示成一維向量，其表達形式如下：

A^1×168＝[a_t-191,a_t-190,a_t-189,…,a_t-25,a_t-24]

包含168個數據點，通過矩陣維度構造公式如下：

式中，A^7×24為構造后的二維矩陣，其尺寸為7×24；f_reshape(·)表示矩陣維度構造的操作函數；a_t-191至a_t-24代表在待預測時刻t之前191～24小時的歷史負荷點值；

(12)連續點數據處理

在待預測時刻t的數值微氣象預報數據進行處理，包括溫度、濕度、風速和降水量4種，處理方法為先對每個微氣象站的每種氣象數據進行數據復制、矩陣維度構造，隨后將所有構造后的氣象數據矩陣合并，其表達式如下所示：

式中，b_i,j代表在第j個微氣象站采集到第i種氣象數據，N表示微氣象站的數量，為第j個微氣象站采集到第i種氣象數據構造的二維矩陣，B^7×24×4N為合并操作后得到的最終矩陣，f_repeat(·)和f_concat(·)分別代表數據復制和矩陣合并的操作函數；

(13)離散序列數據處理

對歷史近一周用戶用電所處的星期序列一維向量表達形式如下：

C^1×168＝[c_t-191,c_t-190,c_t-189,…,c_t-25,c_t-24]

然后對星期序列一維向量先進行獨熱編碼，后進行矩陣維度構造，其表達公式為：

C^7×24×7＝f_reshape(C^1×168×7)

式中，c_t-191至c_t-24代表在待預測時刻t之前191～24小時所處的星期值，其取值范圍為1～7，分布代表星期日至星期一；c_i為c_t-191至c_t-24中間的第i個元素；c_i,1至_ci,7為c_i元素進行編碼操作后的7位編碼值結果，取值為0或1；C^1×168×7為星期序列C^1×168的編碼矩陣；C^7×24×7為矩陣維度構造后得到的最終矩陣；f_encoding(·)代表獨熱編碼的操作函數；

(14)離散點數據處理

對待預測時刻t所處星期以及居民用戶編號，分別進行數據復制、獨熱編碼以及矩陣維度構造操作，構造的矩陣表達式如下：

D^7×24×7＝f_reshape(f_encoding(f_repeat(d_t)))

E^7×24×M＝f_reshape(f_encoding(f_repeat(e))),1≤e≤M

式中，d_t和e分別代表待預測時刻t所處星期和居民用戶編號，M為居民用戶數量，D^7×24×7和E^7×24×M分別代表處理d_t和e后得到的構造矩陣；

將上述所有處理后的矩陣進行合并，得到作為深度學習模型輸入的二維多通道特征圖譜，其表達式如下：

X^{7×24×(15+M+4N)}＝f_concat(A^7×24,B^7×24×4N,C^7×24×7,D^7×24×7,E^7×24×M)

式中，X^{×24×(15+M+4N)}為最終的二維多通道特征圖譜輸入。