【技術實現步驟摘要】
本專利技術屬于園區微電網負荷預測，具體地涉及一種園區微電網的負荷預測方法、系統、電子設備及存儲介質。
技術介紹
1、大型園區普遍能源運行機制復雜，負荷涉及類型多樣，且受區域、時間、天氣及個人變化綜合影響。負荷波動性和不確定性日益增強，負荷的不確定性制約新能源調度的靈活性，所以要求負荷預測的精準性更高、速度更快，因此如何快速精準預測負荷至關重要。
2、現有技術提出了如基于修正粒子群優化的反向傳播神經網絡、馬爾可夫鏈蒙特卡羅抽樣、長短期記憶網絡和支持向量回歸等多種預測方法。針對用能數據這種具有時間序列屬性的數據，普遍應用基于transformer的方法，然而該種方法中的自注意力機制通常優先考慮數據的低頻特征而忽略高頻特征，可能使模型結果產生偏差并導致信息丟失。
技術實現思路
1、本專利技術實施例的目的是提供一種園區微電網的負荷預測方法、系統、電子設備及存儲介質，用于全部或至少部分的解決上述現有技術中存在的優先考慮數據的低頻特征而忽略高頻特征，使預測結果產生偏差并導致信息丟失技術問題。
2、第一方面，本申請實施例提供一種園區微電網的負荷預測方法，包括：
3、獲取園區微電網的歷史負荷數據以及相關影響因素數據；
4、將所述園區微電網的歷史負荷數據以及相關影響因素數據輸入至預先構建的fredformer模型，獲得園區微電網的負荷預測結果，其中，所述fredformer模型包括離散傅里葉變換架構層、頻域優化層、transformer?編碼器層、頻率
5、可選的，園區微電網的歷史負荷數據以及相關影響因素數據包括但不限于時間信息、天氣數據、區域信息和個人行為相關數據。
6、可選的，在獲取園區微電網的歷史負荷數據以及相關影響因素數據之后，所述園區微電網的負荷預測方法還包括：
7、去除歷史負荷數據以及相關影響因素數據中的異常值和缺失值，并進行歸一化處理；其中，將超出預設閾值的歷史負荷數據以及相關影響因素數據視為異常；對于缺失值，采用均值填充和線性插值方法進行處理。
8、可選的，fredformer模型中的離散傅里葉變換架構層，用于將輸入的時間序列數據分解成頻率成分；
9、頻域優化層，用于細化和歸一化頻率成分生成多個子頻率帶；
10、transformer?編碼器層，用于學習每個子頻率帶的頻率特征；
11、頻率總結層，用于對特征信息進行線性變換；
12、逆離散傅里葉變換層，用于將處理后的頻率輸出重構回時域信號。
13、可選的，將所述園區微電網的歷史負荷數據以及相關影響因素數據輸入至預先構建的fredformer模型，獲得園區微電網的負荷預測結果，包括：
14、將園區微電網的歷史負荷數據以及相關影響因素數據對應的時間序列輸入至離散傅里葉變換架構層使其分解為頻率成分；
15、通過頻域優化層使用非重疊的補丁操作將頻率成分劃分為多個子頻率帶，以避免不同頻率成分之間的相互影響；
16、在頻域特征進行patch歸一化后的子頻率分塊上部署transformer?編碼器層，用于獨立學習每個分塊的特征，以專注于相同頻率帶內跨通道的相關性，實現去偏；
17、在學習到每個子頻率帶的特征之后，在頻率總結層進行線性變換和逆離散傅里葉變換層進行逆離散傅里葉變換以匯總特征信息，形成最終的預測結果。
18、可選的，離散傅里葉變換架構層根據以下公式將園區微電網的歷史負荷數據以及相關影響因素數據分解為頻率成分：
19、k=1,…,l；
20、式中，表示第k頻率分量，l表示每個通道的回溯窗口長度，表示多元時間序列。
21、第二方面，本申請實施例還提供一種園區微電網的負荷預測系統，包括：
22、獲取單元，用于獲取園區微電網的歷史負荷數據以及相關影響因素數據；
23、預測單元，用于將所述園區微電網的歷史負荷數據以及相關影響因素數據輸入至預先構建的fredformer模型，獲得園區微電網的負荷預測結果，其中，所述fredformer模型包括離散傅里葉變換架構層、頻域優化層、transformer?編碼器層、頻率總結層以及逆離散傅里葉變換層。
24、可選的，所述預測單元具體用于：
25、將園區微電網的歷史負荷數據以及相關影響因素數據對應的時間序列輸入至離散傅里葉變換架構層使其分解為頻率成分；
26、通過頻域優化層使用非重疊的補丁操作將頻率成分劃分為多個子頻率帶，以避免不同頻率成分之間的相互影響；
27、在頻域特征進行patch歸一化后的子頻率分塊上部署transformer?編碼器層，用于獨立學習每個分塊的特征，以專注于相同頻率帶內跨通道的相關性，實現去偏；
28、在學習到每個子頻率帶的特征之后，在頻率總結層進行線性變換和逆離散傅里葉變換層進行逆離散傅里葉變換以匯總特征信息，形成最終的預測結果。
29、第三方面，本申請實施例還提供一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現上述所述園區微電網的負荷預測方法的步驟。
30、第四方面，本申請實施例還提供一種存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述所述園區微電網的負荷預測方法的步驟。
31、從以上技術方案可以看出，本專利技術具有以下優點：
32、本申請提供的園區微電網的負荷預測方法、系統、電子設備及存儲介質中，基于transformer框架，通過離散傅里葉變換、頻域優化、transformer?編碼器、頻率總結層以及逆離散傅里葉變換架構重構，能減輕頻率偏差，防止忽略低幅特征。
本文檔來自技高網...【技術保護點】
1.一種園區微電網的負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，園區微電網的歷史負荷數據以及相關影響因素數據包括但不限于時間信息、天氣數據、區域信息和個人行為相關數據。
3.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，在獲取園區微電網的歷史負荷數據以及相關影響因素數據之后，所述園區微電網的負荷預測方法還包括：
4.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，
5.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，將所述園區微電網的歷史負荷數據以及相關影響因素數據輸入至預先構建的Fredformer模型，獲得園區微電網的負荷預測結果，包括：
6.根據權利要求5所述的園區微電網的負荷預測方法，其特征在于，離散傅里葉變換架構層根據以下公式將園區微電網的歷史負荷數據以及相關影響因素數據分解為頻率成分：
7.一種園區微電網的負荷預測系統，其特征在于，包括：
8.根據權利要求7所述的園區微電網的負荷預測系統，其特征在于，所
9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至6任一項所述園區微電網的負荷預測方法的步驟。
10.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述園區微電網的負荷預測方法的步驟。
...【技術特征摘要】
1.一種園區微電網的負荷預測方法，其特征在于，包括：
2.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，園區微電網的歷史負荷數據以及相關影響因素數據包括但不限于時間信息、天氣數據、區域信息和個人行為相關數據。
3.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，在獲取園區微電網的歷史負荷數據以及相關影響因素數據之后，所述園區微電網的負荷預測方法還包括：
4.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，
5.根據權利要求1所述的園區微電網的負荷預測方法，其特征在于，將所述園區微電網的歷史負荷數據以及相關影響因素數據輸入至預先構建的fredformer模型，獲得園區微電網的負荷預測結果，包括：
...【專利技術屬性】
技術研發人員：張彥玉，楊帆，高宏杰，李啟凱，李亮，
申請(專利權)人：山東浪潮智慧建筑科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。