[發明專利]基于卷積長短時記憶神經網絡的用電負荷預測方法及系統

有效

• 申請號: 202010864506.2
• 申請日: 2020-08-25
• 公開（公告）號: CN112152201B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 張愛群;辛衛東;卞峰;牛蔚然;汪東軍;王瑞琪;王碩;朱國梁;魏姍姍;楊偉進;劉建文;李燕;遲青青;魏嘉萍;王永彬
• 申請（專利權）人: 國網山東綜合能源服務有限公司
• 主分類號: H02J3/00
• 分類號: H02J3/00;G06Q10/04;G06Q10/06;G06Q50/06;G06N3/04
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆圣娟

本公開提出了基于卷積長短時記憶神經網絡的用電負荷預測方法及系統，包括如下步驟：獲取待預測用電系統的歷史用電數據并進行預處理；將預處理后的樣本數據傳輸至訓練好的包含MVCNN模型和ConvLSTM模型的多層神經網絡，輸出預測結果；按照預測結果輸出配電控制方案。本公開的多層神經網絡融合了MVCNN模型和ConvLSTM模型，MVCNN模型不僅可以提取沿時間序列的信息，還可以提取不同時間序列特征數據之間的融合信息，從而提高模型識別的準確率，降低數據量對模型的影響。ConvLSTM模型可以進一步處理時空信息，對空間信息進行編碼，提高模型特征提取能力，從而提高模型的魯棒性，解決了用電負荷預測準確率低，誤差大，對數據變化敏感，容易過擬合的技術問題。

技術領域

本公開涉及智能配電相關技術領域，具體的說，是涉及基于卷積長短時記憶神經網絡的用電負荷預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，并不必然構成在先技術。

隨著工業化電氣化進程加快，人類對能源的需求量猛增，尤其是對電能的需求，更是呈現逐年攀升的趨勢。在大型樓宇建筑物中，短時電力供需失衡現象普遍存在，如何有效緩解這一狀況并提高電能的利用效率是當今亟待解決的行業痛點。準確高效的預測建筑物的用電需求，對解決用電供需關系，合理地對電力系統進行調度，保障供電的可靠具有重要意義。在大力倡導節能減排和應用智能電網技術的今天，分析用戶用電行為，進行準確的用電負荷預測大有裨益，可以降低用電成本，輔助電網合理地配電，降低能耗，節能減排，提高經濟效益。

發明人發現，用電負荷預測在時間序列預測建模中，數據往往具有多維度特征，而傳統的LSTM神經網絡智能提取沿時間序列的信息，這使得LSTM神經網絡的特征提取能力很有限，并且嚴重依賴數據量和特征數量，對數據的變化比較敏感，預測誤差較大。

發明內容

本公開為了解決上述問題，提出了基于卷積長短時記憶神經網絡(Multi-viewConvLSTM Neural Network)的用電負荷預測方法及系統，解決用電負荷預測準確率低，誤差大，對數據變化敏感，容易過擬合的技術問題。

為了實現上述目的，本公開采用如下技術方案：

一個或多個實施例提供了基于卷積長短時記憶神經網絡的用電負荷預測方法，包括如下步驟：

獲取待預測用電系統的歷史用電數據并進行預處理；

將預處理后的樣本數據傳輸至訓練好的包含MVCNN模型和ConvLSTM模型的多層神經網絡，輸出預測結果；

按照預測結果輸出配電控制方案。

一個或多個實施例提供了基于卷積長短時記憶神經網絡的用電負荷預測系統，包括：

數據獲取及預處理模塊：被配置為用于獲取待預測用電系統的歷史用電數據并進行預處理；

預測模塊：被配置為用于將預處理后的樣本數據傳輸至訓練好的包含MVCNN模型和ConvLSTM模型的多層神經網絡，輸出預測結果；

配電控制輸出模塊：被配置為用于按照預測結果輸出配電控制方案。

一種電子設備，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行的計算機指令，所述計算機指令被處理器運行時，完成上述方法所述的步驟。

一種計算機可讀存儲介質，用于存儲計算機指令，所述計算機指令被處理器執行時，完成上述方法所述的步驟。

與現有技術相比，本公開的有益效果為：