本發(fā)明屬于電力系統(tǒng)和人工智能，涉及一種應(yīng)用于虛擬電廠的負(fù)荷預(yù)測(cè)方法。

背景技術(shù)：

1、虛擬電廠作為一種新型的電力系統(tǒng)運(yùn)行模式，整合了大量分布式能源、可控負(fù)荷和儲(chǔ)能設(shè)備。準(zhǔn)確的負(fù)荷預(yù)測(cè)對(duì)于虛擬電廠的高效運(yùn)行至關(guān)重要。然而，由于虛擬電廠涉及的影響因素復(fù)雜多變，傳統(tǒng)的負(fù)荷預(yù)測(cè)方法往往難以滿足其高精度預(yù)測(cè)需求。

2、目前，電力行業(yè)常用的負(fù)荷預(yù)測(cè)方法包括時(shí)間序列分析法、回歸分析法、人工神經(jīng)網(wǎng)絡(luò)法等。時(shí)間序列分析法中的自回歸積分滑動(dòng)平均模型(arima)在處理線性和平穩(wěn)時(shí)間序列時(shí)表現(xiàn)較好。然而，在實(shí)際應(yīng)用中，如某城市的智能電網(wǎng)項(xiàng)目中，arima模型在預(yù)測(cè)突發(fā)事件導(dǎo)致的負(fù)荷突增時(shí)，常常出現(xiàn)較大誤差。這主要是因?yàn)閍rima難以處理非線性關(guān)系和多因素影響。

3、回歸分析法，如多元線性回歸，能夠考慮多個(gè)影響因素，如溫度、濕度等。在一個(gè)工業(yè)園區(qū)的虛擬電廠試點(diǎn)中，多元線性回歸模型考慮了工作日、溫度和濕度等因素，但對(duì)于復(fù)雜的非線性關(guān)系(如極端天氣條件下的負(fù)荷變化)的擬合能力有限，導(dǎo)致預(yù)測(cè)精度不足。

4、人工神經(jīng)網(wǎng)絡(luò)法，如bp神經(jīng)網(wǎng)絡(luò)，具有較強(qiáng)的非線性擬合能力。在一個(gè)風(fēng)電場(chǎng)與光伏電站組成的虛擬電廠中，bp神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測(cè)方面表現(xiàn)較好。但是，該模型容易陷入局部最優(yōu)，且可解釋性差，難以為運(yùn)營(yíng)人員提供清晰的決策依據(jù)。

5、這些傳統(tǒng)方法在處理虛擬電廠復(fù)雜的負(fù)荷預(yù)測(cè)問(wèn)題時(shí)，普遍存在一些不足。首先，它們難以有效融合多種異構(gòu)數(shù)據(jù)源。虛擬電廠涉及的數(shù)據(jù)類型繁多，包括歷史負(fù)荷數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)活動(dòng)數(shù)據(jù)等。例如，在一個(gè)跨省區(qū)域的大型虛擬電廠項(xiàng)目中，需要同時(shí)考慮不同地區(qū)的氣象條件、節(jié)假日安排、大型活動(dòng)等因素。傳統(tǒng)方法難以有效整合這些異構(gòu)數(shù)據(jù)，導(dǎo)致預(yù)測(cè)精度受限。

6、其次，這些方法對(duì)時(shí)序特征的提取能力有限。虛擬電廠的負(fù)荷具有明顯的時(shí)序特性，包括日內(nèi)波動(dòng)、周周期、季節(jié)性變化等。傳統(tǒng)方法往往難以捕捉這些復(fù)雜的時(shí)序模式。在一個(gè)包含大量電動(dòng)汽車充電站的虛擬電廠中，負(fù)荷模式受到人們出行習(xí)慣的強(qiáng)烈影響，呈現(xiàn)出復(fù)雜的時(shí)序特征，這對(duì)傳統(tǒng)方法提出了巨大挑戰(zhàn)。

7、此外，現(xiàn)有方法缺乏對(duì)不同時(shí)間尺度預(yù)測(cè)的統(tǒng)一處理框架。虛擬電廠的運(yùn)營(yíng)需要同時(shí)考慮短期(小時(shí)級(jí))、中期(日級(jí))和長(zhǎng)期(月級(jí))的負(fù)荷預(yù)測(cè)。傳統(tǒng)方法通常需要為不同時(shí)間尺度的預(yù)測(cè)建立獨(dú)立的模型，缺乏統(tǒng)一的處理框架。這不僅增加了模型維護(hù)的復(fù)雜性，也難以充分利用不同時(shí)間尺度預(yù)測(cè)之間的關(guān)聯(lián)信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，不僅能夠有效處理復(fù)雜多變的影響因素，還具備高精度預(yù)測(cè)、強(qiáng)適應(yīng)性。

2、本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，包括以下步驟：

3、s1.收集多源異構(gòu)數(shù)據(jù)，包括歷史負(fù)荷數(shù)據(jù)、氣象數(shù)據(jù)、日歷信息和社會(huì)活動(dòng)數(shù)據(jù)，并對(duì)歷史負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行預(yù)處理；

4、s2.采用多頭注意力機(jī)制和跨模態(tài)學(xué)習(xí)技術(shù)構(gòu)建多因素融合模型；

5、s3.結(jié)合lstm和cnn實(shí)現(xiàn)時(shí)序特征提取，引入時(shí)間步長(zhǎng)自適應(yīng)機(jī)制構(gòu)建多尺度負(fù)荷預(yù)測(cè)模型，并對(duì)多尺度的預(yù)測(cè)模型構(gòu)建訓(xùn)練集；

6、s4.利用訓(xùn)練集對(duì)多尺度預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的多尺度預(yù)測(cè)模型；

7、s5.進(jìn)行根據(jù)訓(xùn)練好的多尺度預(yù)測(cè)模型進(jìn)行電力負(fù)荷預(yù)測(cè)。

8、本發(fā)明的有益效果是：結(jié)合了深度學(xué)習(xí)技術(shù)、多模態(tài)數(shù)據(jù)融合、時(shí)序特征提取和多尺度預(yù)測(cè)等先進(jìn)技術(shù)，旨在解決虛擬電廠負(fù)荷預(yù)測(cè)中的關(guān)鍵挑戰(zhàn)。本發(fā)明方法不僅能夠有效處理復(fù)雜多變的影響因素，還具備高精度預(yù)測(cè)、強(qiáng)適應(yīng)性、良好可解釋性以及持續(xù)學(xué)習(xí)能力。

技術(shù)特征：

1.一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s1包括：

3.根據(jù)權(quán)利要求1所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s2包括：

4.根據(jù)權(quán)利要求1所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s3中，設(shè)短期預(yù)測(cè)模型、中期預(yù)測(cè)模型和長(zhǎng)期預(yù)測(cè)模型的預(yù)測(cè)跨度為t，基于lstm網(wǎng)絡(luò)和cnn神經(jīng)網(wǎng)絡(luò)，構(gòu)建多尺度負(fù)荷預(yù)測(cè)模型，對(duì)多尺度的預(yù)測(cè)模型構(gòu)建訓(xùn)練集包括：

5.根據(jù)權(quán)利要求4所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s3中cnn感受野大小和lstm時(shí)間步長(zhǎng)的確定過(guò)程包括：

6.根據(jù)權(quán)利要求1所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s4包括：

7.根據(jù)權(quán)利要求1所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述步驟s5包括：

8.根據(jù)權(quán)利要求7所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法還包括：在得到短期數(shù)據(jù)點(diǎn)、中期數(shù)據(jù)點(diǎn)和長(zhǎng)期數(shù)據(jù)點(diǎn)的預(yù)測(cè)結(jié)果后，將短期、中期、長(zhǎng)期預(yù)測(cè)結(jié)果進(jìn)行可視化顯示。

9.根據(jù)權(quán)利要求7所述的一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，其特征在于：所述機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法：每隔設(shè)定時(shí)間，對(duì)短期預(yù)測(cè)模型，中期預(yù)測(cè)模型和長(zhǎng)期預(yù)測(cè)模型進(jìn)行訓(xùn)練更新。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于多因素融合的機(jī)器學(xué)習(xí)虛擬電廠負(fù)荷預(yù)測(cè)方法，包括以下步驟：S1.收集多源異構(gòu)數(shù)據(jù)，包括歷史負(fù)荷數(shù)據(jù)、氣象數(shù)據(jù)、日歷信息和社會(huì)活動(dòng)數(shù)據(jù)，并對(duì)歷史負(fù)荷數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行預(yù)處理；S2.采用多頭注意力機(jī)制和跨模態(tài)學(xué)習(xí)技術(shù)構(gòu)建多因素融合模型，計(jì)算歷史負(fù)荷數(shù)據(jù)、氣象數(shù)據(jù)、日歷信息和社會(huì)活動(dòng)數(shù)據(jù)的融合向量；S3.構(gòu)建多尺度負(fù)荷預(yù)測(cè)模型，對(duì)多尺度的預(yù)測(cè)模型構(gòu)建訓(xùn)練集；S4.利用訓(xùn)練集對(duì)多尺度預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的多尺度預(yù)測(cè)模型；S5.進(jìn)行根據(jù)訓(xùn)練好的多尺度預(yù)測(cè)模型進(jìn)行電力負(fù)荷預(yù)測(cè)。本發(fā)明不僅能夠有效處理復(fù)雜多變的影響因素，還具備高精度預(yù)測(cè)、強(qiáng)適應(yīng)性。

技術(shù)研發(fā)人員：金維剛,袁佳歆,王沛華
受保護(hù)的技術(shù)使用者：國(guó)家電網(wǎng)有限公司華中分部
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6