[发明专利]一种基于时间卷积网络的电力系统短期负荷预测方法

权利要求书

1.一种基于时间卷积网络的电力系统短期负荷预测方法，其特征在于，包括以下步骤：

S1：采集历史负荷数据，对数据进行预处理；

所述的数据预处理包括缺失数据补全处理和归一化处理；其中：

所述的缺失数据补全处理为利用平均相邻负载以替换异常值；

所述的归一化处理使用Min-Max方法对缺失数据补全处理过的数据进行标准化，计算公式为：

其中，数据转化为[0，1]，为归一化后的数据，x_i为原始数据，x_max和x_min分别是最大和最小的原始数据；

S2：构建因果扩张卷积模型，将预处理后的数据分别输入两个不同的因果扩张卷积模型中进行卷积处理；

所述因果扩张卷积模型包括因果卷积处理和扩张卷积处理两个流程；其中：

所述因果卷积处理通过将一般卷积的输出移动几个时间步而实现；

所述扩张卷积处理用于将为所述因果卷积处理提供数个量级的感受野；

S3：将因果扩张卷积模型处理后的两个结果连接形成残差块；

S4：将残差块进行堆叠，得到时间卷积网络；

所述的残差卷积处理通过直接将输入信息绕道传到输出，从而简化学习目标和难度，具体的，设深度残差网络模型的输入为y，期望输出为H(y)，直接将输入y传动输出作为初始结果，此时的需要学习的目标为F(y)＝H(y)-y；

所述残差块的数量为6，其卷积核分别为16个1*2、16个1*2、32个1*2、32个1*2、64个1*2、64个1*2的卷积核；

所述的时间卷积网络通过残差卷积处理为全卷积层传递信息；

S5：利用时间卷积网络进行全卷积层计算，预测出未来的电力负荷需求；

所述全卷积层接受任意的尺寸输入，通过对最后一层卷积层的图像特征进行采样，将图像恢复到与输入相同的尺寸，再进行预测。