[发明专利]一种电量预测系统及其预测方法

权利要求书

1.一种电量预测方法，其特征在于，包括以下步骤：

步骤1，从调度中心获取待处理数据，所述待处理数据包括电量和第一特征；

步骤2，对所述待处理数据进行处理，得到第一数据，具体子步骤包括：

步骤2-1，通过第一方法对所述待处理数据进行分箱处理，得到分箱处理数据；

步骤2-2，将所述分箱处理数据分为第一电量和第二特征，通过最大信息系数算法对所述第一电量和所述第二特征进行相关性分析，筛选目标特征；

步骤2-3，通过集成经验模态分解算法将所述第一电量分解成多个子序列；

步骤2-4，通过最大信息系数算法对所述目标特征和所述子序列进行相关性分析，将所述子序列分为有特征相关性和无特征相关性两类；

步骤2-5，对所述第一电量中的连续型变量进行归一化处理，对所述第一电量中的离散型变量进行独热编码处理，从而得到第一数据；

步骤3，对所述第一数据进行计算和分析得到预测的电量，具体子步骤包括：

步骤3-1，使用第一网络学习所述第一数据的时间关系，得到时间特征；

步骤3-2，使用第二网络学习所述第一数据的空间关系，得到空间特征；

步骤3-3，使用注意力机制对所述时间特征和所述空间特征进行权重更新，得到最终输出矩阵；

步骤3-4，通过第一模型对所述子序列进行概率预测，得到预测子序列；

步骤3-5，通过评估指标对所述预测子序列的相加值进行计算，分析后得到预测的电量。

2.根据权利要求1所述的电量预测方法，其特征在于：

其中，步骤2-1中，所述第一方法是将不同的温度分成不同的箱子，再通过计算获得每个箱子的温度范围，具体公式如下：

其中，d是每个箱子的范围，μ是数据的均值，n是样本数量。

3.根据权利要求1所述的电量预测方法，其特征在于：

其中，步骤2-5中，所述归一化处理的公式如下：

其中，x_norm是归一化后的值，x_min是x的最小值，x_max是x的最大值。

4.根据权利要求1所述的电量预测方法，其特征在于：

其中，步骤3-1中，所述第一网络是长短期记忆网络，具体参数如下公式：

i_t＝σ(W_i[h_t-1，x_t]+b_i)

f_t＝σ(W_f[h_t-1，x_t]+b_f)

o_t＝σ(W_o[h_t-1，x_t]+b_o)

c′_t＝tanh(W_c[h_t-1，x_t]+b_c)

c_t＝f_cc_t-1+i_tc′_t

其中，i_t是输入门，f_t是遗忘门，o_t是输出门；h_t是t时刻的隐藏层输出；h_t-1是t-1时刻的隐藏层输出；c_t′是细胞状态更新；c_t是细胞状态输出；W_i，W_f，W_o，W_c分别是输入门、遗忘门、输出门及细胞状态的权重；b_i，b_f，b_o，b_c分别是输入门、遗忘门、输出门及细胞状态的偏差。