← 返回列表

一种电力短期需求预测方法、系统、设备及介质

申请号: CN202410250867.6
申请人: 国网山东省电力公司信息通信公司; 国网山东省电力公司
申请日期: 2024/3/6

摘要文本

本发明属于电力预测技术领域,为了解决现有的混有非时序特征因素难以处理的问题,以及深度学习可解释性差,电力预测不准确的问题,提出了一种电力短期需求预测方法、系统、设备及介质,利用可解释模型得到的第二负荷预测结果,和预训练模型得到的第一负荷预测结果,基于第一负荷预测结果和第二负荷预测结果的相似度对预训练好的预测模型进行再次训练,得到训练好的预测模型,提高预测模型的预测的准确性;在预测模型中,通过对空间特征和时序特征的分别提取后再融合的方式,解决混有非时序特征因素难以处理的问题,提高电力需求预测的准确性。 搜索马 克 数 据 网

专利详细信息

项目 内容
专利名称 一种电力短期需求预测方法、系统、设备及介质
专利类型 发明申请
申请号 CN202410250867.6
申请日 2024/3/6
公告号 CN117833243A
公开日 2024/4/5
IPC主分类号 H02J3/00
权利人 国网山东省电力公司信息通信公司; 国网山东省电力公司
发明人 梁云丹; 孙岗; 黄怡; 赵鹏; 严莉; 曲延盛; 常英贤; 王高洲; 呼海林; 杨坤; 牛德玲; 刘新; 樊静雨; 胡恒瑞; 管荑; 朱尤祥; 肖沈阳; 张金国; 王雨晨; 刘保臣; 胡斌浩
地址 山东省济南市市中区经三路17号; 山东省济南市市中区经二路150号

专利主权项内容

1.一种电力短期需求预测方法,其特征在于,包括:获取电力负荷相关的历史多源训练数据并进行预处理;将预处理后的电力负荷相关的历史多源训练数据对预测模型进行训练,得到预训练好的预测模型;其中,在所述预测模型中,分别提取多源数据的空间特征和时序特征;将所提取的空间特征和时序特征进行融合,基于融合后的结果得到预测模型输出结果;对获取的电力负荷相关的历史多源训练数据进行扰动处理,得到扰动样本;利用所述扰动样本训练可解释模型,得到训练好的可解释模型;将获取的电力负荷相关的多源测试数据分别输入到预训练好的预测模型和训练好的可解释模型,得到第一负荷预测结果和第二负荷预测结果;基于所述第一负荷预测结果和所述第二负荷预测结果比较结果,对预训练好的预测模型进行再次训练,得到训练好的预测模型,基于训练好的预测模型用于电力需求预测。