基于深度学习的台区短期负荷预测方法
基本信息
| 申请号 | CN202111511262.0 | 申请日 | - |
| 公开（公告）号 | CN114186739A | 公开（公告）日 | 2022-03-15 |
| 申请公布号 | CN114186739A | 申请公布日 | 2022-03-15 |
| 分类号 | G06Q10/04（2012.01）I;G06Q10/06（2012.01）I;G06Q50/06（2012.01）I;G06F30/27（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 王伟恒;胡伟;李小兰;宋树宏;张宇;潘铁铮;郭秋婷 | 申请（专利权）人 | 国网辽宁省电力有限公司沈阳供电公司 |
| 代理机构 | 沈阳维特专利商标事务所（普通合伙） | 代理人 | 李丹 |
| 地址 | 110000辽宁省沈阳市和平区八经街94号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的台区短期负荷预测方法，包括如下步骤：S1：采集低压配电台区的时序运行数据，其中，所述时序运行数据包括电压、电流、有功功率、无功功率和时间信息；S2：对所述时序运行数据进行预处理和特征工程工作，得到数值型数据和类别型数据；S3：将所述数值型数据输入到训练好的Seq2Seq‑Attention模型中，得到经过Attention模型附加权重的向量序列，之后，将经过全连接网络的类别型数据与所述向量序列进行向量合并，并经过激活函数得到负荷预测结果。该基于深度学习的台区短期负荷预测方法，在Seq2Seq‑Attention模型和电力系统大量多维时间序列数据基础之上，基于Seq2Seq‑Attention模型下的台区短期负荷预测方法，能够达到较高的预测准确性。 |
