[發明專利]一種基于Autoformer模型的電力負荷控制方法及系統有效
| 申請號: | 202211619812.5 | 申請日: | 2022-12-16 |
| 公開(公告)號: | CN115618752B | 公開(公告)日: | 2023-06-30 |
| 發明(設計)人: | 丁澤誠;黃奇峰;莊重;張興華;段梅梅;孔月萍;周雨奇;盛舉;張汀荃;方凱杰;黃藝璇;程含渺;陸婋泉 | 申請(專利權)人: | 國網江蘇省電力有限公司營銷服務中心 |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06Q10/04;G06Q10/0631;G06Q50/06;H02J3/00;H02J3/14 |
| 代理公司: | 北京智繪未來專利代理事務所(普通合伙) 11689 | 代理人: | 王萍 |
| 地址: | 210019 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 autoformer 模型 電力 負荷 控制 方法 系統 | ||
1.一種基于Autoformer模型的電力負荷控制方法,其特征在于,所述方法包括以下步驟:
步驟1,對電力系統中負荷用戶的需求響應潛力進行采集,并基于所述需求響應潛力生成輸入張量;
步驟2,采用Autoformer模型對輸入張量進行計算以輸出電力負荷預測結果;其中,所述Autoformer模型所采用的損失函數中包括最小平方誤差函數、自注意力頭掩膜訓練函數和學習閾值軟修剪訓練函數;
所述損失函數為
其中,y(i)為第i個時間窗下的目標值,為第i個時間窗下的估計值,λ為第一權重,μ為第二權重,Lc(α)為自注意力頭掩膜訓練函數,L1(S(l)(xj))為學習閾值軟修剪訓練函數;m為時間窗數量,S(l)(xj)為Autoformer模型中第l層令牌xj的重要度值,α為L0范數的參數,j為第l層令牌的編號;
步驟3,基于所述電力負荷預測結果對于電力設備進行控制,以根據所述負荷預測結果實現相應負荷量的發輸變配。
2.根據權利要求1中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
所述負荷用戶的需求響應潛力基于所述負荷用戶的歷史日負荷曲線獲??;
并且,第i個時間窗內的所述需求響應潛力值為
其中,Qi為第i個時間窗內的需求響應潛力評估值,
Ri為第i個時間窗內的負荷波動率。
3.根據權利要求2中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
所述第i個時間窗內的需求響應潛力評估值Qi為所述第i個時間窗內各個采樣點中最大負荷量與最小負荷量之差。
4.根據權利要求3中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
所述第i個時間窗內的負荷波動率Ri為
其中,σi為所述第i個時間窗內各個采樣點所對應負荷量的標準差;
μi為所述第i個時間窗內各個采樣點所對應負荷量的均值。
5.根據權利要求4中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
所述時間窗的長度可調,且所述時間窗的長度為所述采樣點間隔時間的整數倍。
6.根據權利要求5中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
所述輸入張量中包括下述維度:數據批尺寸、特征種類、數據采集時間、特征取值;其中,
所述特征種類中還包括需求響應潛力、溫度、監控電價執行情和地區;
并且,所述輸入張量中每一維度的數據均進行了歸一化處理。
7.根據權利要求1中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
采用Holt-Winters加法模型實現所述Autoformer模型中的序列分解過程。
8.根據權利要求7中所述的一種基于Autoformer模型的電力負荷控制方法,其特征在于:
其中,mk為所述Autoformer模型中自注意力頭的掩膜系數,
αk為所述掩膜系數作為連續隨機變量實現L0范數表示時的參數,是mk的連續分布函數,
h為所述自注意力頭的掩膜系數的數量,k為所述自注意力頭的掩膜系數的編號,
P(mk=0|αk)為在連續分布函數αk下mk=0的概率值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于國網江蘇省電力有限公司營銷服務中心,未經國網江蘇省電力有限公司營銷服務中心許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211619812.5/1.html,轉載請聲明來源鉆瓜專利網。





