申请/专利权人：兰州理工大学

申请日：2024-01-22

公开（公告）日：2024-04-12

公开（公告）号：CN117875365A

主分类号：G06N3/0442

分类号：G06N3/0442;G06N3/045;G06N3/0985;G06F18/15;G06F18/213;H02J3/00;G06Q50/06;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：一种基于SMBO‑BiGRU‑Attention的短期电力负荷预测方法，首先，为了避免数值差异过大的问题，对所有的原始数据进行归一化处理；其次，利用BiGRU技术同时考虑输入序列的正向信息和反向信息，从而更好的捕捉负荷序列中存在的长期依赖关系，结合Attention机制，将BiGRU处理后的特征向量作为输入，为不同时间步的隐藏状态给予不同的权重，从而突出关键特征；最后，针对BiGRU‑Attention混合模型的超参数难以选取最优解的问题，采取SMBO算法对BiGRU‑Attention混合模型的超参数进行寻优，完成短期电力负荷预测。

主权项：1.一种基于SMBO-BiGRU-Attention的短期电力负荷预测方法，其步骤为：首先采用双向门控循坏单元同时考虑输入序列的正向信息和反向信息，从而更好的捕捉负荷数据中的长期依赖关系；通过注意力机制技术允许动态的为每个输入时间步的隐藏状态给予不同的权重，从而突出关键特征；然后利用序列模型优化算法对BiGRU-Attention混合网络的超参数进行寻优，提高了短期电力负荷预测的准确率，具体步骤为：步骤1获取短期电力负荷数据集，为了保证数据的完整性，对样本数据进行预处理，包括剔除异常数据和填充缺失数据等，首先针对异常数据采用均值替代法处理，其计算公式为： 其中，a和b分别表示往前和往后选择的天数，通常选择2～4天；i表示天数，t表示采样点的个数，y表示负荷值；其次针对负荷数据集中存在数据丢失的情况，取缺失点前后一周对应数据的均值进行填充；为了避免数值差异过大的情况，对原始负荷数据进行归一化处理，其计算公式为： 其中，xnormalized表示归一化后的负荷数据，x表示负荷数据的原始数据，xmax和xmin分别表示极大负荷数据和极小负荷数据；当数据归一化后输入模型得到归一化的预测结果，再对预测结果的数据进行反归一化，其计算公式为：x＝xnormalized*xmax-xmin+xmin其中，x表示反归一化后的负荷预测数据，xnormalized表示归一化后的负荷预测数据；步骤2采用双向门控循坏单元同时考虑输入序列的正向信息和反向信息，以更好的捕捉步骤1预处理后的负荷数据中存在的长期依赖关系，它对于不同长度和结构的电力负荷数据具有更强的泛化能力，缓解了梯度消失和梯度爆炸的问题，从而提高特征向量提取的准确性，其双向门控循坏单元的执行过程可表示为： 其中，表示t时刻正向隐藏层的状态，表示t时刻反向隐藏层的状态；wt表示t时刻正向隐藏层状态的权重，vt表示t时刻反向隐藏层状态的权重；bt表示t时刻隐藏层状态的偏置；步骤3将步骤2中处理后的特征向量作为输入，通过为每个输入时间步的隐藏状态分配不同的权重，从而突出关键特征，有助于提高模型对输入序列的重要性加权，其注意力机制的转换过程表示为：sxi,q＝VTtanhWxi+b 其中，αi和xi分别表示负荷的注意力分数和权重，attentionx,q表示注意力层i时刻的输出，W和b分别表示学习的权重矩阵和偏置；步骤4利用SMBO算法对BiGRU-Attention混合网络中的超参数进行迭代寻优，减少了手动调参的繁琐过程，提高了模型的预测精度，从而使模型的性能达到最优，其多目标贝叶斯优化算法的执行过程表示为：1首先，选择n0个初始采样点，计算目标函数fh在采样点的值；2根据当前采样数据D更新目标函数pfh|D的后验概率分布的均值和方差；3根据后验概率分布的均值和方差计算采集函数uh；4根据采集函数的极大值确定下一个采样点通常是搜索空间中具有最大采集函数值的位置；5计算下一个采样点的目标函数值yn＝fhn+1；6更新采样数据n＝n+1；7判断是否达到最大迭代次数，重复步骤2-步骤6；8返回最优解argmaxfh1,…,fhn及对应的目标函数值y；步骤5构建SMBO-BiGRU-Attention短期电力负荷预测模型；步骤6训练集对BiGRU-Attention模型进行训练，调整并优化网络模型参数，通过测试集对SMBO-BiGRU-Attention模型进行预测，得到最终的负荷预测结果；有助于解决电力系统中负荷预测面临的时序性、季节性和突发事件等多方面的挑战，为短期电力负荷提供可靠的预测工具。

全文数据：

权利要求：

百度查询： 兰州理工大学 一种基于SMBO-BiGRU-Attention的短期电力负荷预测方法

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