[發(fā)明專利]基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202111348852.6
• 申請日: 2021-11-15
• 公開（公告）號: CN114066052A
• 公開（公告）日: 2022-02-18
• 發(fā)明（設(shè)計）人: 吳亦貝;楊斌;李波;楊世海;陳銘明;陸婋泉;程含渺;蘇慧玲;瞿亞運(yùn);張馳
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司營銷服務(wù)中心;國網(wǎng)江蘇省電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;H02J3/00;G06N3/04
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 張紅蓮;王萍

1.基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，其特征在于，

所述方法包括：

步驟1，采集可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)并進(jìn)行預(yù)處理，得到可調(diào)節(jié)負(fù)荷功率序列；

步驟2，采用變分模態(tài)分解方法對可調(diào)節(jié)負(fù)荷功率序列進(jìn)行分解，得到主成分序列和噪聲序列；

步驟3，采用自適應(yīng)移動平滑方法對噪聲序列進(jìn)行平滑處理；

步驟4，構(gòu)建基于多尺度卷積方法和自注意力方法的模型；以平滑處理后的噪聲序列為模型輸入，利用多尺度卷積方法獲得可調(diào)節(jié)負(fù)荷功率序列的時間特征和空間特征，利用自注意力方法獲得可調(diào)節(jié)負(fù)荷預(yù)測值與可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)之間的映射關(guān)系；

步驟5，以可調(diào)節(jié)負(fù)荷功率序列的時間特征和空間特征為輸入，基于單個多輸入單輸出的時間卷積網(wǎng)絡(luò)，建立可調(diào)節(jié)負(fù)荷功率的單步預(yù)測模型；

步驟6，在單步預(yù)測模型的基礎(chǔ)上，以訓(xùn)練好的多輸入多輸出的時間卷積網(wǎng)絡(luò)作為解碼層，將基于多尺度卷積方法和自注意力方法的模型作為編碼層，建立可調(diào)節(jié)負(fù)荷功率的多步預(yù)測模型；

步驟7，根據(jù)預(yù)測步數(shù)選擇預(yù)測模型，即單步預(yù)測時選用單步預(yù)測模型，多步預(yù)測時選用多步預(yù)測模型，由所選擇的預(yù)測模型對可調(diào)節(jié)負(fù)荷功率進(jìn)行預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，其特征在于，

步驟1中，每15分鐘為1個采樣時刻，采集可調(diào)節(jié)負(fù)荷瞬時有功功率的歷史數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，其特征在于，

步驟1中，對可調(diào)節(jié)負(fù)荷瞬時有功功率的歷史數(shù)據(jù)進(jìn)行預(yù)處理包括：異常值處理、空缺值填補(bǔ)和歸一化處理；

異常值包括：負(fù)值，超出滿載功率值，亂碼；其中，負(fù)值的處理方式為直接置零的方式；超出滿載功率值和亂碼的處理方式為利用前后兩個采樣時刻的可調(diào)節(jié)負(fù)荷瞬時有功功率對超出滿載功率值和亂碼進(jìn)行修正；

空缺值填補(bǔ)的方式為利用前后兩個采樣時刻的可調(diào)節(jié)負(fù)荷瞬時有功功率對空缺值進(jìn)行填充。

4.根據(jù)權(quán)利要求3所述的基于改進(jìn)TCN修正累積誤差的可調(diào)節(jié)負(fù)荷功率多步預(yù)測方法，其特征在于，

步驟2包括：

步驟2.1，采用變分模態(tài)分解方法將可調(diào)節(jié)負(fù)荷功率序列P分解為主成分序列u_m和噪聲序列E；約束條件為所有模態(tài)之和與可調(diào)節(jié)負(fù)荷功率序列P相等，約束變分滿足如下關(guān)系式：

式中，

u_m＝{u_i}，u_i為采用變分模態(tài)分解得到的第i個模態(tài)分量，i＝1，2，…，m，

w_m＝{ω_i}，ω_i為第i個模態(tài)分量u_i的中心頻率，i＝1，2，…，m，

m為模態(tài)分量的總數(shù)，

j為復(fù)頻域中的虛部，

為二范數(shù)的平方表達(dá)式，

δ(t)為時刻t的沖激函數(shù)，

為對時刻t的一階偏導(dǎo)，

u_m(t)為時刻t的主成分序列；

步驟2.2，引入拉格朗日乘子和二次罰函數(shù)將約束變分轉(zhuǎn)換為非約束變分，滿足如下關(guān)系式：

式中，

λ(t)為時刻t的拉格朗日乘子，

α為二次罰函數(shù)，

P(t)為時刻t的可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)；

步驟2.3，基于非約束變分，利用交替方向乘子法迭代算法結(jié)合Parseval定理、Plancherel定理和傅里葉等距變換，對各模態(tài)分量、各模態(tài)分量的中心頻率、拉格朗日乘子進(jìn)行尋優(yōu)迭代；交替尋優(yōu)迭代n+1次后得到主成分序列u_m，滿足如下關(guān)系式：

式中，

為第n+1次迭代后的模態(tài)分量的傅里葉變換，其中，w與時域t對應(yīng)，

為第n次迭代后的模態(tài)分量的傅里葉變換，其中，i≠m，

為t時刻第i個模態(tài)分量u_i(t)的傅里葉變換，

為可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)P(t)的傅里葉變換，

為第n+1次迭代后的拉格朗日乘子λⁿ⁺¹(t)的傅里葉變換，

為第n次迭代后的拉格朗日乘子λⁿ(t)的傅里葉變換，

為拉格朗日乘子λ(t)的傅里葉變換，

τ為噪聲容忍度；

步驟2.4，利用主成分序列um和可調(diào)節(jié)負(fù)荷功率歷史數(shù)據(jù)P(t)，得到噪聲序列E＝{e₁，e₂，e₃，...，e_T}，滿足如下關(guān)系式：

式中，t＝1，2，…，T，T為噪聲分量的總數(shù)，即噪聲序列的長度。