[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

一種基于Autoformer模型的電力負荷控制方法及系統，其特征在于，所述方法包括以下步驟：步驟1，對所述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；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。

技術領域

本發明涉及電力系統領域，更具體的，涉及一種基于Autoformer模型的電力負荷控制方法及系統。

背景技術

電力負荷管理系統是采用無線、有線、載波等通信方式，由供電公司電力負荷管理系統主站通過安裝在客戶端的電力負荷管理終端，對某個區域或客戶的電能使用狀況實行監測和控制，并對采集的數據進行分析、應用的綜合系統。該系統中包括終端、收發設備及信道、主站軟硬件設備及其形成的數據庫、文檔等。目前，該系統的應用功能主要包括數據采集、負荷控制、需求側與服務支持、電力營銷管理支持、營銷分析與決策分析支持等。

然而，現有技術中由于電力系統負荷預測算法不夠準確，這就導致該系統無法準確的反映電力需求情況，因而也無法進一步實現電力供需平衡的調節、無法提高用電效率以及開展能效管理。除此之外，電力系統也無法準確的落實錯峰、避峰等需求側的管理措施，難以檢測客戶端的電能質量，無法為判斷供電故障提供有效依據，導致故障搶修響應水平低下。

由于電力負荷用戶的需求響應模型中，無論是歷史數據還是待預測的數據均具備較強的時間序列特性，因此，采用Transformer的時間序列預測模型，通過自注意力機制(self-attention)來捕捉時刻間的依賴，能夠在時序預測上提供較為精準的運算結果。但是，對于電力系統這種長期運行的電力負荷時間序列來說，仍然存在許多不足。例如，長序列中的復雜時間模式使得注意力機制難以發現可靠的時序依賴，基于Transformer的模型不得不使用稀疏形式的注意力機制來應對二次復雜度的問題，這也造成了信息利用的瓶頸。

進一步的，基于Transformer改進后的Autoformer深度學習網絡能夠突破將序列分解作為預處理的傳統方法，其提出了深度分解架構，能夠從復雜時間模式中分解出可預測性更強的組分?；陔S機過程理論，提出自相關機制，代替點向連接的注意力機制，實現序列級連接，打破信息利用瓶頸。

然而，Autoformer模型較為負載，模型參數也較多，為了實現模型訓練，硬件設備的要求更高。這導致模型推理預測速度較慢，硬件成本居高不下，現有技術中的模型壓縮方法也難以實現有效的參數量和運算量的大幅降低。

針對上述問題，亟需一種基于Autoformer模型的電力負荷控制方法及系統。

發明內容

為解決現有技術中存在的不足，本發明提供一種基于Autoformer模型的電力負荷控制方法及系統，通過采集負荷用戶的需求響應潛力，采用最小平方誤差函數、自注意力頭掩膜訓練函數和學習閾值軟修剪訓練函數聯合實現Autoformer模型的簡化，以獲取負荷預測結果并控制電力設備。

本發明采用如下的技術方案。

本發明第一方面，涉及一種基于Autoformer模型的電力負荷控制方法，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，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；步驟3，基于電力負荷預測結果對于電力設備進行控制，以根據負荷預測結果實現相應負荷量的發輸變配。