CN119398274A 一种基于机器学习的电网负荷预测系统及方法 （华能新能源股份有限公司辽宁分公司）

司一种基于机器学习的电网负荷预测系统及本发明涉及电力系统智能调度和预测技术2块输出的特征进行短期和长期依赖建模，利用LSTM网络提取短期时间依赖特征，且通过自适应学习与实时更新模块，基于反馈优化模块和模型解释性与可视化模块的输出，模型解释性与可视化模块，对混合预测模型模块的预测结果和多模模块的输入特征进行解释性分析，采用SHAP值方法量化各输入特征对预测结果的贡献度，反馈优化模块，根据模型解释性与可视化模块的分析结果和特征工程子模块，在数据清洗子模块输出的数据基础上多模态数据融合子模块，接收特征工程子模块生成的,3'LSTM层，用于对多模态数据处理与融合模块输出的特征进行,,,,表示时间步t在位置编码中的第2i维的值，异常检测子模块，用于检测负荷数据中的突发异常，将检测结果4,其中，E(h(x))表示样本x的平均路径长度，c(n)为标准化因子，n表示数据集大小，增量学习子模块，基于异常检测子模块提供的检测结果和反,SHAP值分析子模块，用于计算各特征对预测结果的,f(sutil)表示在特征集合S加上特征i后的模型输出，Isl为特征集合S的和(IN-ISI-1)!表示特征集合S的排列数和剩余特征的排列数；敏感性分析子模块，在接收SHAP值分析子模块提供的特征贡献度结果后实时数据处理子模块，用于接收且处理电网负荷数据流容器化部署子模块，在接收来自实时数据处理子模块的数据后，API集成子模块，与容器化部署子模块打包的系统功能组件建立连接，通5误差反馈子模块，用于对模型的预测误差进行实时监控，且将误差参数调整子模块，在获取误差反馈子模块的误差分析结果和用户,10.一种基于机器学习的电网负荷预测方法，依据权利要求1～9任一项所述的一种基步骤4、将混合预测模型模块生成的电网负荷预测结果传递至模型解释性与可视化模步骤9、将反馈优化模块优化后的参数信息传递至自适应学习与实时更新模块和多模67[0002]电网负荷预测是电力系统规划和实时调度中的关键环节，直接影响电网的安全传统的负荷预测方法通常基于历史负荷数据进行建模，尝试结合天气等外部因[0004]针对现有技术的不足，本发明提供一种基于机器学习的电网负荷预测系统及方8,',9,,,表示时间步t在位置编码中的第2i维的值，,其中，E(h(x))表示样本x的平均路径长度，c(n)为标准化因子，n表示数据,,容器化部署子模块，在接收来自实时数据处理子模块的数据后，将系统封装为[0013]优选的，所述误差反馈子模块通过计算均方误差来评估,其中，yi为输入数据的第i个特征值，y为重构数据的第i个特征值，R为特征数步骤4、将混合预测模型模块生成的电网负荷预测结果传递至模型解释性与可视步骤9、将反馈优化模块优化后的参数信息传递至自适应学习与实时更新模块和和社会事件的多模态数据进行深度融合，且引入自注意力机制对不同数据特征加权处理，请参阅附图1和附图2，本发明实施例提供一种基于机器学习的电网负荷预测系,',,,,表示时间步t在位置编码中的第2i维的值，,其中，E(h(x))表示样本x的平均路径长度，c(n)为标准化因子，n表示数据,,容器化部署子模块，在接收来自实时数据处理子模块的数据后，将系统封装为误差反馈子模块通过计算均方误差来评估预测值与实际值的差异，其计算公式,其中，yi为输入数据的第i个特征值，y为重构数据的第i个特征值，R为特征数步骤4、将混合预测模型模块生成的电网负荷预测结果传递至模型解释性与可视