申请/专利权人:华北电力大学;国网冀北电力有限公司信息通信分公司;国网冀北电力有限公司;国网北京市电力公司;国家电网有限公司
申请日:2021-07-05
公开(公告)日:2024-07-09
公开(公告)号:CN113496102B
主分类号:G06F30/27
分类号:G06F30/27;G06F113/04;G06F119/06
优先权:
专利状态码:有效-授权
法律状态:2024.07.09#授权;2023.06.20#专利申请权的转移;2022.04.08#实质审查的生效;2021.10.12#公开
摘要:本发明公开了一种基于改进BiGRU的配网超短期功率态势预测方法,包括以下步骤:功率数据预处理;对预处理后的功率数据进行多阶离散小波分解,之后对每条频率分量做单波重构;根据训练验证和滑动窗口策略划分出数据集及其输入输出格式;搭建基于小波变换和自注意力机制的BiGRU深度预测模型,其由两层双向门控循环单元和自注意力模块构成;将不同分量的训练数据集与验证数据集输入对应BiGRU深度预测模型,进行模型的训练和验证;将预测数据集输入BiGRU深度预测模型,将不同频率分量的预测结果相加得到最终模型预测值。本发明搭建基于小波变换和自注意力机制的BiGRU深度模型,改善了传统模型的过拟合现象,提高了模型预测精度,加快了模型收敛速度。
主权项:1.一种基于改进BiGRU的配网超短期功率态势预测方法,其特征在于,包括以下步骤:S1,获取配电网的运行数据,并对准备输入深度模型的功率数据进行数据预处理;S2,利用小波分解将数据预处理后的功率数据进行多阶离散小波分解,之后对每条频率分量做单波重构,得到多条与分解前具有相同时序长度但不同频率分量的态势功率数据;S3,根据训练验证和滑动窗口策略划分出数据集及其输入输出格式:先将态势功率数据分为训练数据集、验证数据集和测试数据集,之后将各类数据集塑形为符合深度模型的输入格式和输出格式,深度模型根据功率超短期预测原则采用多个现有功率值预测一个近期未来功率值,态势预测时间范围为一刻;S4,搭建基于小波变换和自注意力机制的BiGRU深度预测模型,BiGRU深度预测模型由两层双向门控循环单元和自注意力模块构成;S5,将不同分量的训练数据集与验证数据集按顺序输入BiGRU深度预测模型,进行模型的训练和验证;将输出值与真实值利用不同的误差函数比较计算误差,在处理训练数据集时还要进行模型参数的反向梯度更新优化模型预测效果,处理验证数据集则不用;S6,将预测数据集输入训练和验证后的BiGRU深度预测模型,将预测数据集不同频率分量的预测结果相加得到最终模型预测值。
全文数据:
权利要求:
百度查询: 华北电力大学 国网冀北电力有限公司信息通信分公司 国网冀北电力有限公司 国网北京市电力公司 国家电网有限公司 一种基于改进BiGRU的配网超短期功率态势预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。