申请/专利权人：南京农业大学;国电南瑞南京控制系统有限公司

申请日：2023-11-29

公开（公告）日：2024-04-09

公开（公告）号：CN117856211A

主分类号：H02J3/00

分类号：H02J3/00;G06Q50/06;G06N3/0464;G06N3/0499;G06N3/08;G06N20/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了基于MT‑IEM‑Dscformer的代理购电负荷预测方法、系统、设备及存储介质，包括：采用随机森林，确定影响电力负荷预测的影响因素；将影响因素与历史电力负荷数据组成的电力负荷序列划分出训练集和测试集；采用训练集对预先构建的MT‑IEM‑Dscformer模型进行训练，并利用测试集测试训练好的MT‑IEM‑Dscformer模型的预测准确度，得到最终可用的MT‑IEM‑Dscformer模型；利用最终可用的MT‑IEM‑Dscformer模型，进行电力负荷预测，得到电力负荷预测结果；MT‑IEM‑Dscformer模型包括：MT模块、IEM模块和Dscformer模块，该Dscformer模块用于基于待预测时间段、待预测时间段的前一时间段的电力负荷数据、信息增强后的影响因素和多时间尺度划分数据，得到电力负荷预测结果。

主权项：1.一种基于MT-IEM-Dscformer的代理购电负荷预测方法，其特征在于：包括以下步骤：步骤1：采用随机森林，确定影响电力负荷预测的影响因素；步骤2：将影响因素与历史电力负荷数据组成的电力负荷序列划分出训练集和测试集；步骤3：采用训练集对预先构建的MT-IEM-Dscformer模型进行训练，并利用测试集测试训练好的MT-IEM-Dscformer模型的预测准确度，得到最终可用的MT-IEM-Dscformer模型；步骤4：利用最终可用的MT-IEM-Dscformer模型，进行电力负荷预测，得到电力负荷预测结果；其中，所述的MT-IEM-Dscformer模型包括：MT模块，用于将输入的tu-n+1到tu+m时间段的电力负荷数据划分出多时间尺度数据为tu-n+1时刻的电力负荷多时间尺度数据，l为可学习参数；IEM模块，用于对影响因素进行信息增强，得到信息增强后的影响因素；Dscformer模块，用于基于待预测时间段tu+1到tu+m、待预测时间段的前一时间段tu-n+1到tu的电力负荷数据、信息增强后的影响因素和多时间尺度划分数据，得到电力负荷预测结果；其中，所述Dscformer模块包括输入嵌入、编码器、输出嵌入、解码器和输出；所述输入嵌入，用于将待预测时间段的前一时间段tu-n+1到tu的电力负荷数据、信息增强后的影响因素和多时间尺度划分数据融合时间定位编码所提取的位置和时间信息，转换为维度dmodel的向量融合作为编码器的输入；所述编码器，用于依次进行多头注意力计算、深度可分离卷积和前馈网络变换，得到的结果输入解码器；所述输出嵌入，用于通过移位输入被0值掩盖的待预测时间段tu+1到tu+m的电力负荷数据、信息增强后的影响因素、多时间尺度划分数据融合时间定位编码所提取的位置和时间信息，转换为维度dmodel的向量融合作为解码器的输入；所述解码器，用于对来自输出嵌入的输入进行掩码多头注意力计算，将掩码多头注意力计算的结果与来自编码器的输入依次进行多头注意力计算和前馈网络变换，得到解码器的输出；所述解码器的输出经过线性化运算后，得到电力负荷预测结果。

全文数据：

权利要求：

百度查询： 南京农业大学;国电南瑞南京控制系统有限公司 基于MT-IEM-Dscformer的代理购电负荷预测方法、系统、设备及存储介质

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