CN120011757B 考虑时空特性的多台区负荷概率预测方法及系统 （山东建筑大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120011757B(45)授权公告日2025.07.04

(21)申请号202510479523.7

(22)申请日2025.04.17

(65)同一申请的已公布的文献号申请公布号CN120011757A

(43)申请公布日2025.05.16

(73)专利权人山东建筑大学

地址250000山东省济南市历城区临港开

发区凤鸣路1000号

(72)发明人刘澈杨轩田崇翼马昕彭勃马翔雪田长彬游祥宇

(74)专利代理机构济南圣达知识产权代理有限公司37221

专利代理师吴亚楠

(51)Int.CI.

GO6F18/20(2023.01)

GO6F18/15(2023.01)

GO6F18/213(2023.01)

GO6F18/25(2023.01)

G06Q50/06(2024.01)

GO6N5/01(2023.01)

GO6N3/0442(2023.01)

G06Q10/04(2023.01)

GO6N3/0464(2023.01)

G06F123/02(2023.01)

(56)对比文件

CN115759371A,2023.03.07

CN113610277A,2021.11.05审查员乔帅

权利要求书2页说明书9页附图2页

(54)发明名称

考虑时空特性的多台区负荷概率预测方法及系统

(57)摘要

CN120011757B本发明属于电力负荷预测技术领域，公开了一种考虑时空特性的多台区负荷概率预测方法及系统，采集台区的地理位置数据、历史负荷数据以及与负荷相关的外部数据并进行预处理；将台区作为节点，将台区之间的电气连接作为边构建图结构；对图结构进行特征提取，获得多台区之间的空间特征，对空间特征进行操作，获得时间特征；对空间和时间特征进行动态融合，获得融合后的特征，基于融合后的特征行负荷概率预测；定义损失函数，优化模型参数，获得训练好的负荷概率预测模型。本发明考虑实际物理空间信息以及时间特征信息实现对多台区负荷的预测，通过概率预测的方式反映负荷的不确定性，为电

CN120011757B

采集每个台区的地理位置数据、历史负

采集每个台区的地理位置数据、历史负

荷数据以及与负荷相关的外部数据，并

对采集的数据进行预处理

基于预处理后的数据，将每个台区作为节

点，将台区之间的电气连接作为边，构建

图结构

对图结构数据进行特征提取，获得多台区之间的空间特征，将空间特征按时间顺序输入到LSTM层中，获得时间特征

对空间特征和时间特征进行动态融合，获得

融合后的特征，基于融合后的特征行负荷概

率预测

定义损失函数，优化模型参数，获得训练好的多台区负荷概率预测模型

CN120011757B权利要求书1/2页

2

1.考虑时空特性的多台区负荷概率预测方法，其特征在于，包括以下步骤：

采集每个台区的地理位置数据、历史负荷数据以及与负荷相关的外部数据，并对采集的数据进行预处理；

基于预处理后的数据，将每个台区作为节点，将台区之间的电气连接作为边，构建图结构；

对图结构数据进行特征提取，获得多台区之间的空间特征，将空间特征按时间顺序输入到LSTM层中，获得时间特征；

对空间特征和时间特征进行动态融合，获得融合后的特征，基于融合后的特征行负荷概率预测；

定义损失函数，优化模型参数，获得训练好的多台区负荷概率预测模型；

所述对空间特征和时间特征进行动态融合，利用交叉门控块对空间特征和时间特征进行动态融合，所述交叉门控块由两个门控单元组成，分别用于融合GCN提取的空间特征和LSTM学习的时间序列特征，通过计算输入特征的加权和来生成门控信号，根据门控信号对空间和时间特征进行动态融合；

所述基于融合后的特征行负荷概率预测，在经过交叉门控块融合后的特征输出后，利用deep-AR基底，进行概率预测，概率预测层采用高斯混合模型方法，将融合后的特征映射到负荷的概率分布上。

2.如权利要求1所述的考虑时空特性的多台区负荷概率预测方法，其特征在于，对采集的数据进行预处理，具体为：

对采集到的数据进行清洗，去除异常值和缺失值，并对数据进行归一化处理，将归一化处理后的数据按照时间顺序划分为多个时间窗口，将每个时间窗口内的数据作为一个样本。

3.如权利要求1所述的考虑时空特性的多台区负荷