申请/专利权人：国网湖北省电力有限公司;国网湖北省电力有限公司黄冈供电公司

申请日：2024-01-04

公开（公告）日：2024-02-06

公开（公告）号：CN117526316A

主分类号：H02J3/00

分类号：H02J3/00;G06N3/045;G06N3/042;G06N3/0464;G06N3/0442;G06N3/048;G06N3/0985

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提出一种基于GCN‑CBAM‑BiGRU组合模型的负荷预测方法，包括以下步骤：步骤一，采集所需的地区历史负荷和气象信息；步骤二，对数据进行预处理和特征工程，通过斯皮尔曼相关系数分析和特征提取来处理多个气象因素；步骤三，构建基于贝叶斯优化GCN‑CBAM‑BiGRU组合模型，以解决多特征输入的负荷预测问题。该模型利用GCN和BiGRU挖掘深层次特征和长期依赖关系，并引入CBAM模块加强GCN层的特征提取能力；并通过贝叶斯优化算法对模型超参数进行优化，以达到最佳的负荷预测效果；步骤四，通过历史负荷和气象特征数据对模型进行训练。利用适当的损失函数和优化算法，将经过处理的数据输入训练好的模型，完成短期负荷预测。

主权项：1.一种基于GCN-CBAM-BiGRU组合模型的负荷预测方法，其特征在于，该方法包括以下步骤：步骤1：采集地区历史负荷数据和气象特征数据；步骤2：对所述历史负荷数据和所述气象特征数据进行关键特征信息的计算；所述关键特征信息的计算具体为通过斯皮尔曼相关系数分析，评估所述历史负荷数据与所述气象特征数据之间相关性，从中提取与负荷预测高度相关的关键特征信息X；步骤3：构建基于贝叶斯优化的GCN-CBAM-BiGRU组合模型，所述组合模型包括输入层、交互层以及输出层；所述交互层包括图卷积单元、卷积块注意力组件、双向门控循环单元、残差连接单元以及前向反馈层；步骤4：将所述历史负荷数据和气象特征数据作为原始特征信息，所述输入层从所述原始特征信息中提取三个特征进行拼接，得到一个三通道的输入张量；步骤5：将所述输入张量输入所述图卷积单元，所述图卷积单元首先通过图卷积神经网络对输入数据进行特征提取，然后再通过卷积核的滑动，得到卷积后的特征图；步骤6：通过卷积块注意力组件对所述卷积后的特征图进行加权计算，得到加权后的特征图；步骤7：所述双向门控循环单元将所述加权后的特征图作为输入，将其输入到前向门控循环单元和后向门控循环单元中，通过循环神经网络的方式进行时间序列的建模，得到时间上下文相关的特征表示；步骤8：通过残差连接单元将所述双向门控循环单元的输出、所述加权后的特征图以及所述原始特征数据进行残差连接；步骤9：将所述残差连接单元的输出传递给前向反馈层，通过前向反馈层进行非线性映射，将深层特征与输出负荷信息相结合，最终产生负荷预测结果。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司;国网湖北省电力有限公司黄冈供电公司 一种基于GCN-CBAM-BiGRU组合模型的负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD