(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211045551.0 (22)申请日 2022.08.30 (71)申请人 华东师范大学 地址 200241 上海市闵行区东川路5 00号 (72)发明人 黄新力　金俊涛　 (74)专利代理 机构 上海蓝迪专利商标事务所 (普通合伙) 31215 专利代理师 徐筱梅　张翔 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电力负荷概 率预测方法 (57)摘要 本发明公开了一种电力负荷概率预测方法， 涉及电力负荷预测技术领域。 其中方法步骤包 括： 将电力负荷值、 影响负荷值的历史变量和影 响负荷值的未来已知变量构成数据集， 进行数据 预处理， 并划分成训练集和测试集； 将训练集的 变量输入到电力负荷预测模型中， 利用训练集对 电力负荷预测模 型进行第一训练； 将测试集的电 力负荷时间序列输入到训练好的电力负荷预测 模型中进行电力负荷概率预测， 得到电力负荷概 率预测值。 本发明改进了电力负荷概率预测模 型， 融合了电力负荷序列分解方法和多变量电力 负荷预测方法， 综合考虑了电力负荷序列隐藏的 时间序列信息与多变量对负荷值的影 响因子， 提 高了预测精 准度， 解决了 现有电力负荷预测方法 预测角度单一的问题。 权利要求书3页 说明书9页 附图3页 CN 115409259 A 2022.11.29 CN 115409259 A 1.一种电力负荷概 率预测方法， 其特 征在于， 包括： 将电力负荷值、 影响负荷值的历史变量和影响负荷值的未来已知变量构成数据集， 进 行数据预处 理， 并划分成训练集和 测试集； 将训练集输入到由目标序列编码器、 协变量编码器和分位数输出层构 成的电力负荷预 测模型中， 具体包括： 将训练集中的电力负荷序列值输入到目标序列编码器， 分解目标序列的趋势性和周期 性， 得到第一隐藏变量； 将训练集中的影响负荷值的历史变量和影响负荷值的未来已知变量输入到协变量编 码器， 学习协变量对于预测值的误差影响因子， 得到第二隐藏变量； 将第一隐藏变量和第 二隐藏变量输入到分位数输出层， 融合第 一隐藏变量和第 二隐藏 变量， 进行线性层输出， 线性层函数为： 其中， W为权重参数， b为偏置参数； 为预测电力负荷值， u为第一隐藏变量和第二隐藏 变量之和； 利用训练集对电力负荷预测模型进行第 一训练， 训练电力负荷预测模型使用的第 一损 失函数为： 其中， QL(·)为分位数损失函数， Ω为训练集， ω为电力负荷预测模型权重参数， Q是分 位数集合， q是Q里的元素， 为预测电力负荷序列值， y为实际电力负荷序列值， H为预测长 度， M是Ω的样本数量； t为当前时刻； 将测试集的变量输入到训练好的电力负荷预测模型中进行电力负荷概率预测， 得到电 力负荷概 率预测值。 2.根据权利要求1所述的一种电力负荷概率预测方法， 其特征在于， 所述目标序列编码 器由数个趋势性堆和数个周期性堆组成， 趋势性堆和周期性堆由对应的数个块组成； 目标 序列编码器的输入序列值 为目标序列值， 第一隐藏变量 为所有堆的输出和： 每个堆的输入序列值 为： 其中， xs‑1为第s‑1个堆的输入序列值， 为上一个堆的输出的过去序列值， S为堆的 数量， x1为目标序列编码器的输入序列值； 每个堆的输出序列值 为组成该堆的所有块的输出和： 权　利　要　求　书 1/3 页 2 CN 115409259 A 2每个块的输入值 为： 其中， xs,l‑1为第s个堆的第l ‑1个块的输入序列值， 为第s个堆的第l ‑1个块的过去 序列值， L 为第s个堆里块的数量， xs,1为第s个堆的输入序列值； 每个块对输入序列值xs,l进行4层全连接层处 理： hs,l,1＝FCs,l,1(xs,l),hs,l,2＝FCs,l,2(hs,l,1),hs,l,3＝FCs,l,3(hs,l,2),hs,l,4＝FCs,l,4(hs,l,3)(8) FC(x)＝RELU(Wx+b)              (9) 其中， s为第s个堆， l为第l个块， hs,l,i为第s个堆的第l个块的第i个中间变量， RELU( ·) 为RELU激活函数， FC( ·)为全连接层函数； 分别对hs,l,4进行线性层的处 理， 确定过去和未来的扩展系数 和 对扩展系数进行基础函数的计算， 得到未来和过去的序列值； 趋势性基础函数为： 其中， v＝[0,1,2, …,H‑2,H‑1]T/H， H为预测步长， p为多 项式最高次数 幂； 周期性基础函数为： 3.根据权利要求1所述的一种电力负荷概率预测方法， 其特征在于， 所述协变量编码器 由静态变量选择器、 数个历史变量选择器、 数个未来已知变量选择器、 数个静态变量编 码器 和基于GRU的编码器‑解码器组成， 将 影响负荷值的历史变量和影响负荷值的未来已知变量 输入到所述协变量编码器中， 具体为： 将影响负荷值的历史静态变量输入到静态变量选择器， 得到静态变量编码值； 将静态变量编码值分别输入到2个静态变量编码器， 对静态变量编码值进行编码， 得到 2个不同的上下文向量， 作为历史变量选择器与未来已知变量选择器和 基于GRU的编码器 ‑ 解码器的可选上 下文向量输入值； 将影响负荷值的历史变量与影响负荷值的未来已知变量和上下文向量分别输入到历 史变量选择器和未来已知变量选择器， 对各类 变量进行 特征的选择后， 得到特 征编码值； 将特征编码值和上下文向量输入到所述的编码器 ‑解码器， 解码器输出的值即为第二 隐藏向量。 4.根据权利要求3所述一种电力负荷概率预测方法， 其特征在于， 所述静态变量选择 器、 数个历史变量选择器及数个未来已知变量选择器均由数个GRN组件构成：权　利　要　求　书 2/3 页 3 CN 115409259 A 3