CN112288595B 一种电网负荷预测的方法、相关装置、设备及存储介质 （腾讯科技（深圳）有限公司）

本申请公开了一种基于人工智能技术实现征向量包括历史时间单元的历史负荷以及历史复杂的周期性，从而提升电网负荷预测的准确2获取历史特征矩阵，其中，所述历史特征矩阵包括历史周获取历史特征向量，其中，所述历史特征向量包括获取目标特征矩阵，其中，所述目标特征矩阵包括目标周获取目标特征向量，其中，所述目标特征向量包括目标时间单元基于所述目标特征矩阵以及所述目标特征向量，通过局部序列模块获取第一特征矩基于所述历史特征矩阵、所述历史特征向量、所述目标特征矩阵以基于所述第一特征矩阵以及所述第二特征矩阵，通过线性层获取所获取所述历史周期内每个时间单元所对应的历史描述信息对所述历史周期内每个时间单元所对应的历史负荷，以及所述历史周获取所述历史时间单元所对应的历史描述信息，其中，所对所述历史时间单元所对应的历史负荷，以及所述历史时间单元获取所述目标周期内每个时间单元所对应的历史描述信息对所述目标周期内每个时间单元所对应的历史负荷，以及所述目标周3对所述目标时间单元所对应的历史负荷，以及所述第一预测时间根据所述局部序列模块所包括的编码器，对所述目标特征矩阵进行注意力编码处理，根据所述局部序列模块所包括的解码器，对所述目标特征每个多头注意力层至少包括一个第一注意力头以及一所述根据所述局部序列模块所包括的编码器，对所述目标特征矩阵针对于所述编码器中的每个多头注意力层，基于所述第一注意力针对于所述编码器中的每个多头注意力层，基于所述第二注意力每个多头注意力层至少包括一个第一注意力头以及一所述根据所述局部序列模块所包括的解码器，对所述目标特征矩阵的针对于所述解码器中的每个多头注意力层，基于所述第一注意力针对于所述解码器中的每个多头注意力层，基于所述第二注意力根据所述全局上下文模块所包括上下文编码器，对所述历史特征矩根据所述全局上下文模块所包括上下文编码器，对所述历史特征向4基于上下文注意力机制，对所述历史特征矩阵的编码结果、所述根据所述全局上下文模块所包括上下文解码器，对所述注意力编所述根据所述全局上下文模块所包括上下文编码器，对所述历史特征针对于所述上下文编码器中的每个多头注意力层，针对于所述上下文编码器中的每个多头注意力层，所述根据所述全局上下文模块所包括上下文编码器，对所述历史特征针对于所述上下文编码器中的每个多头注意力层，针对于所述上下文编码器中的每个多头注意力层，所述根据所述全局上下文模块所包括上下文解码器，对所述注意针对于所述上下文解码器中的每个多头注意力层，基于所述第一针对于所述解码器中的每个多头注意力层，基于所述第二注意力获取已更新特征矩阵，其中，所述已更新特征矩阵包括已更新周期5获取已更新特征向量，其中，所述已更新特征向量包括所述第根据所述历史特征矩阵、所述历史特征向量、所述已更新特预测模块，具体用于基于所述目标特征矩阵以及所述目标特征向量，基于所述历史特征矩阵、所述历史特征向量、所述目标特征矩阵以基于所述第一特征矩阵以及所述第二特征矩阵，通过线性层获取所获取所述历史周期内每个时间单元所对应的历史描述信息对所述历史周期内每个时间单元所对应的历史负荷，以及所述历史周获取所述历史时间单元所对应的历史描述信息，其中，所6对所述历史时间单元所对应的历史负荷，以及所述历史时间单元获取所述目标周期内每个时间单元所对应的历史描述信息对所述目标周期内每个时间单元所对应的历史负荷，以及所述目标周对所述目标时间单元所对应的历史负荷，以及所述第一预测时间根据所述局部序列模块所包括的解码器，对所述目标特征19.根据权利要求18所述的装置，其特征在于，所述编码器至少包括一层多头注意力所述预测模块，具体用于针对于所述编码器中的每个多头注意力层，针对于所述编码器中的每个多头注意力层，基于所述第二注意力20.根据权利要求18所述的装置，其特征在于，所述解码器至少包括一层多头注意力所述预测模块，具体用于针对于所述解码器中的每个多头注意力层，针对于所述解码器中的每个多头注意力层，基于所述第二注意力7根据所述全局上下文模块所包括上下文编码器，对所述历史特征向基于上下文注意力机制，对所述历史特征矩阵的编码结果、所述根据所述全局上下文模块所包括上下文解码器，对所述注意力编所述预测模块，具体用于针对于所述上下文编码器中的每个多头针对于所述上下文编码器中的每个多头注意力层，所述预测模块，具体用于针对于所述上下文编码器中的每个多头针对于所述上下文编码器中的每个多头注意力层，所述预测模块，具体用于针对于所述上下文解码器中的每个多头针对于所述解码器中的每个多头注意力层，基于所述第二注意力8为出现所述已更新周期之后的下一个时间单元，所述第二预测时间单元包括T个时间子单所述处理器用于执行所述存储器中的程序，所述处理器用于根据程9将机器学习的算法应用于对电网负荷的预测，能够处理负荷数据的波动性和随机性等问种周期性的时间序列的电网负荷预测并未解[0051]根据全局上下文模块所包括上下文编码器，对历史特征向量进行注意力编码处可基于目标特征矩阵和大量的历史特征矩阵，对未来某个时间单元的电网负荷进行预测，性和趋势性，可以利用季节与趋势分解法(seasonalandtrenddecompositionusing势(trend)和周期性(seasonality)组成部分后剩下的部分(residual)可视为非周期扰动。[0115]本实施例中，电网负荷预测装置可获取大量历史时间单元所对应的历史特征向预测时间单元为2020年10月19日，即目标时间单元和第一预测时间单元均包括T个时间子为它由固定时间滞后的负荷数据组成。滞后窗口是通过经被定义为负荷预测模型f输出的负荷序列。模型f也可以基于循环神经网络、时间卷积神经网络或者多层前馈神经网络等于适用于负度提升(extremegradientboosting，XGBoost)、差分整合移动平均自回归模型(autoregressiveintegratedmovingaveragemodel，ARIMA)或者季节性(Seasonal)表1为历史周期的历史负荷以及历史描述信息LLTTSSWWEEHHt天往前推共D天的历史负荷，第t天为历史周期内的某一天，Zt-D:t∈RD×16表示在特征维度上对[Tt-D:t,St-D:t,表2为历史时间单元的历史负荷以及历史描述信息t:t+1＝[0,0,表3为目标周期的历史负荷以及历史描述信息表4为目标时间单元的历史负荷以及第一预测时间单元的描述信息ii)上下文模块所包括的上下文注意力层(contextattention)对编码后的目标特征矩阵进行单元所对应的电网负荷预测结果(ian),电网负荷预测结果(in)可表示为1×24的特征入层可采用全连接层来实现，它通过参数矩阵将输入映射到特征维度为需要加入位置编码(Positionencoding)以达到对每日数据出现时序进行头的查询矩阵和关键字矩阵通过点乘计算负荷序列中天与天之间的相似性，并通过[0239]根据全局上下文模块所包括上下文编码器，对历史特征矩阵进行注意力编码处[0240]根据全局上下文模块所包括上下文编码器，对历史特征向量进行注意力编码处入至输入嵌入层，其中，输入嵌入层可采用全连接层来实现，它通过参数矩阵自编码处理后得到历史特征矩阵的编码结果(k1至kN)，以及历史特征向量的编码结果。其[0246]得到历史特征矩阵的编码结果(k1至kN)之后，将其和目标特征矩阵的编码结果(qd)共同输入至上下文注意力层(ContextAttention)，通过上下文注意力层进行相似性关系，采用上下文解码器能够预测注意力编码结果以及目标特征向量之间的注意力关系，[0250]根据全局上下文模块所包括上下文编码器，对历史特征矩阵进行注意力编码处[0254]根据全局上下文模块所包括上下文编码器，对历史特征向量进行注意力编码处向量包括第一预测时间单元所对应的电网负荷预测结果以及第二预测时间单元的描述特[0281]具体地，第一预测时间单元所对应的电网负荷预测结果包括对目标特征矩阵的编码结果以及目标特征向量进行注意力解码处理，得到第一解码结果，[0323]根据全局上下文模块所包括上下文编码器，对历史特征向量进行注意力编码处包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(LowNoise上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystemofMobilecommunication，GSM)、通用分组无线服务(GeneralPacketRadioService，GPRS)、码分多址(CodeDivisionMultipleAccess，CDMA)、宽带码分多址(WidebandCodeDivisionMultipleAccess,WCDMA)、长期演进(LongTermEvolution，[0347]存储器320可用于存储软件程序以及模块，处理器380通过运行存储在存储器320[0348]输入单元330可用于接收输入的数字或字符信息，以及产生与手机的用户设置以[0349]显示单元340可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元340可包括显示面板341，可选的，可以采用液晶显示器(LiquidCrystal面板331与显示面板341集成而实现手机的输的大小，静止时可检测出重力的大小及方向，可用或者将音频数据输出至存储器320以便进[0352]WiFi属于短距离无线传输技术，手机通过WiFi模块370可以帮助用户收发电子邮过运行或执行存储在存储器320内的软件程序和/或模块，以及调用存储在存储器320内的不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing[0361]本申请实施例中还提供一种包括程序的计算机程序产品，当其在计算机上运行[0366]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品