考虑时间演化特性的微电网负荷在线预测方法及相关设备与流程

本技术涉及微电网负荷预测，尤其涉及一种考虑时间演化特性的微电网负荷在线预测方法及相关设备。

背景技术：

1、随着微电网集群成为区域电力系统的重要组织形式，集群能量管理系统需要持续、准确地预测各微电网节点未来的负荷，为储能充放电计划、购电计划及功率互济提供决策依据。

2、然而，微电网负荷在长期运行过程中，会因用电设备投运、停运或运行策略调整等物理事件而发生时间演化，具体表现为负荷均值和标准差发生持续变化（时间变化），以及负荷周期曲线的峰值和谷值出现时刻发生前移或后移（时间漂移）。现有负荷预测方法通常采用“离线训练、在线预测”的固定运行模式，默认历史训练数据与在线运行数据具有相同分布，难以识别和应对上述由物理事件引起的负荷时间演化，容易产生持续性预测偏差；若仅利用最新负荷数据更新模型，又可能覆盖模型已学习的历史典型负荷模式，当负荷状态恢复至历史水平时，模型因遗忘历史模式而难以快速恢复预测精度。上述问题最终导致负荷预测结果不可靠，进而影响微电网集群的储能调度和购电计划等运行决策。

技术实现思路

1、本技术实施例的主要目的在于提出一种考虑时间演化特性的微电网负荷在线预测方法、装置、电子设备、存储介质及程序产品，旨在解决现有技术的至少一种问题。

2、为实现上述目的，本技术实施例的一方面提出了一种考虑时间演化特性的微电网负荷在线预测方法，所述方法包括：

3、通过量测设备采集微电网集群中多个微电网节点的有功负荷时间序列，所述有功负荷时间序列包括历史负荷数据和实时负荷数据；

4、基于所述历史负荷数据对预先构建的时空负荷预测模型进行预训练，获得初始模型参数；

5、在在线运行阶段，对于每个微电网节点，执行以下步骤：

6、时间演化检测步骤：根据当前时刻之前的负荷数据，检测所述微电网节点是否发生由用电设备投运、停运或运行策略调整引起的负荷时间演化，所述负荷时间演化包括时间变化演化和/或时间漂移演化；所述时间变化演化是指负荷均值和/或负荷标准差发生持续变化，所述时间漂移演化是指负荷周期曲线的峰值和/或谷值出现时刻发生移动；

7、演化状态向量构建步骤：根据时间演化检测结果，生成所述微电网节点的演化状态向量，所述演化状态向量包括用于指示是否发生时间变化演化的第一状态分量和用于指示是否发生时间漂移演化的第二状态分量；

8、差异化记忆回放步骤：当所述演化状态向量指示发生时间变化演化时，从预存的时间变化记忆库中读取与当前负荷状态相匹配的历史时间变化特征，所述历史时间变化特征用于对所述时空负荷预测模型的输入进行修正；当所述演化状态向量指示发生时间漂移演化时，从预存的时间漂移记忆库中读取与当前相位状态相匹配的历史时间漂移特征，所述历史时间漂移特征用于对所述时空负荷预测模型的输入进行时间对齐修正；

9、负荷预测步骤：根据读取结果和当前时刻的负荷数据，生成当前轮次的模型输入特征并输入所述时空负荷预测模型，得到负荷预测结果；

10、模型更新步骤：在获得真实负荷数据后，计算所述负荷预测结果与所述真实负荷数据之间的预测误差，根据所述预测误差更新模型参数，并输出各微电网节点的负荷预测结果，所述负荷预测结果用于所述微电网集群的储能调度或购电计划。

11、进一步地，通过以下方式检测节点是否发生时间变化演化：

12、采用指数滑动平均方式更新所述微电网节点的负荷均值和负荷标准差；

13、计算当前时刻的负荷均值相对于上一时刻的负荷均值的第一变化量，以及当前时刻的负荷标准差相对于上一时刻的负荷标准差的第二变化量；

14、当所述第一变化量和/或所述第二变化量达到预设的时间变化阈值时，判定所述微电网节点发生时间变化演化。

15、进一步地，通过以下方式检测节点是否发生时间漂移演化：

16、提取所述微电网节点的当前周期负荷曲线；

17、将所述当前周期负荷曲线与参考周期负荷曲线进行互相关运算，获得相位偏移量，所述相位偏移量用于表征当前负荷周期相对于所述参考周期负荷曲线在时间轴上的移动方向和移动距离；

18、计算当前时刻的相位偏移量相对于上一时刻的相位偏移量的相位变化量；

19、当所述变化量达到预设的时间漂移阈值时，判定所述微电网节点发生时间漂移演化。

20、进一步地，所述参考周期负荷曲线按照以下方式更新：采用指数滑动平均方式，将上一时刻的参考周期负荷曲线与当前时刻的负荷数据进行加权融合，得到当前时刻的参考周期负荷曲线。

21、进一步地，所述时间变化记忆库中存储有多个历史记忆单元，每个历史记忆单元存储所述微电网节点在历史运行状态下的负荷均值和负荷标准差；

22、所述从预存的时间变化记忆库中读取与当前负荷状态相匹配的历史时间变化特征，具体包括：

23、计算当前负荷状态的特征向量与所述时间变化记忆库中各历史记忆单元之间的相似度；

24、选取相似度最高的一个或多个历史记忆单元；

25、对选取的一个或多个历史记忆单元进行加权聚合，得到历史时间变化读取特征；

26、将所述历史时间变化读取特征与当前负荷状态的特征向量进行融合，生成时间变化增强特征。

27、进一步地，所述时间漂移记忆库中存储有多个历史记忆单元，每个历史记忆单元存储所述微电网节点在历史运行状态下的相位偏移量；

28、所述从预存的时间漂移记忆库中读取与当前相位状态相匹配的历史时间漂移特征，具体包括：

29、计算当前相位状态的特征向量与所述时间漂移记忆库中各历史记忆单元之间的相似度；

30、选取相似度最高的一个或多个历史记忆单元；

31、对选取的一个或多个历史记忆单元进行加权聚合，得到历史时间漂移读取特征；

32、将所述历史时间漂移读取特征与当前相位状态的特征向量进行融合，生成时间漂移增强特征。

33、进一步地，所述根据读取结果和当前时刻的负荷数据，生成当前轮次的模型输入特征并输入所述时空负荷预测模型，得到负荷预测结果，具体包括：

34、根据当前时刻的负荷均值和负荷标准差对负荷数据进行自适应标准化处理；

35、根据当前时刻的相位偏移量对标准化后的负荷数据进行时间对齐处理；

36、将所述差异化记忆回放步骤的读取结果与经过所述自适应标准化处理和所述时间对齐处理后的负荷数据进行融合，形成当前轮次的模型输入特征；

37、将所述模型输入特征输入所述时空负荷预测模型，得到负荷预测结果。

38、进一步地，根据所述预测误差更新模型参数时，采用弹性权重巩固正则化方式对模型参数施加偏移约束，使得历史任务中重要程度高的参数相对于历史参考值的偏移量小于重要程度低的参数。

39、进一步地，模型参数的重要程度通过费舍尔信息矩阵进行衡量，所述费舍尔信息矩阵在在线运行过程中按照预设的衰减因子进行累积更新。

40、进一步地，所述方法还包括记忆库写入步骤，所述记忆库写入步骤具体包括：

41、当确认发生时间变化演化时，将当前负荷状态的特征向量写入所述时间变化记忆库；

42、当确认发生时间漂移演化时，将当前相位状态的特征向量写入所述时间漂移记忆库；

43、其中，写入时采用软更新策略，将当前特征向量融入与当前特征最相似的历史记忆单元中；

44、在记忆模块的累计交互次数未达到预设的预热步数之前，仅执行记忆写入而不执行记忆读取。

45、进一步地，当所述演化状态向量指示未发生时间变化演化且未发生时间漂移演化时，不执行所述差异化记忆回放步骤和所述记忆库写入步骤，仅使用当前预测模型进行常规预测和参数更新。

46、进一步地，所述方法还包括异常回退步骤：当在线负荷数据被判定为异常数据，或者模型更新后的预测误差相比更新前增大时，暂停本轮模型更新，并恢复到上一稳定版本的模型参数。

47、进一步地，所述时空负荷预测模型由多层时空特征提取模块堆叠而成，每层所述时空特征提取模块包括时间卷积网络和图卷积网络；

48、所述时间卷积网络用于提取各微电网节点负荷数据在时间维度上的时序依赖特征；

49、所述图卷积网络基于微电网节点之间的关联关系对相关节点的负荷信息进行聚合，用于提取空间关联特征。

50、进一步地，所述微电网节点之间的关联关系基于各微电网节点历史负荷数据的相关系数构造邻接矩阵，所述图卷积网络基于所述邻接矩阵执行图卷积运算。

51、为实现上述目的，本技术实施例的另一方面提出了一种考虑时间演化特性的微电网负荷在线预测装置，所述装置包括：

52、数据采集模块，用于通过量测设备采集微电网集群中多个微电网节点的有功负荷时间序列，所述有功负荷时间序列包括历史负荷数据和实时负荷数据；

53、模型预训练模块，用于基于所述历史负荷数据对预先构建的时空负荷预测模型进行预训练，获得初始模型参数；

54、时间演化检测模块，用于根据当前时刻之前的负荷数据，检测所述微电网节点是否发生由用电设备投运、停运或运行策略调整引起的负荷时间演化，所述负荷时间演化包括时间变化演化和/或时间漂移演化；

55、演化状态向量构建模块，用于根据时间演化检测结果，生成所述微电网节点的演化状态向量，所述演化状态向量包括用于指示是否发生时间变化演化的第一状态分量和用于指示是否发生时间漂移演化的第二状态分量；

56、时间记忆模块，用于当所述演化状态向量指示发生时间变化演化时，从预存的时间变化记忆库中读取与当前负荷状态相匹配的历史时间变化特征；当所述演化状态向量指示发生时间漂移演化时，从预存的时间漂移记忆库中读取与当前相位状态相匹配的历史时间漂移特征；

57、负荷预测模块，用于根据读取结果和当前时刻的负荷数据，生成当前轮次的模型输入特征并输入所述时空负荷预测模型，得到负荷预测结果；

58、模型更新模块，用于在获得真实负荷数据后，计算所述负荷预测结果与所述真实负荷数据之间的预测误差，根据所述预测误差更新模型参数，并输出各微电网节点的负荷预测结果，所述负荷预测结果用于所述微电网集群的储能调度或购电计划。

59、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

60、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

61、为实现上述目的，本技术实施例的另一方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法。

62、本技术实施例至少包括以下有益效果：本技术提供一种考虑时间演化特性的微电网负荷在线预测方法、装置、电子设备、存储介质及程序产品，该方案通过量测设备采集微电网集群中各节点的有功负荷时间序列，在在线运行阶段从时间变化和时间漂移两个维度检测由用电设备投运、停运或运行策略调整等物理事件引起的负荷时间演化，并构建包含双状态分量的演化状态向量，据此差异化地调用时间变化记忆库或时间漂移记忆库，读取与当前演化状态相匹配的历史特征对预测模型的输入进行修正，并更新模型参数，从而在实时追踪负荷均值和标准差变化以及峰谷时刻漂移的同时，有效避免模型因仅适应新数据而遗忘已学习的历史典型模式，解决了现有方法无法识别由物理事件引起的双维度时间演化且易发生灾难性遗忘的技术问题，提高了非平稳运行环境下微电网负荷在线预测的准确性和稳定性，为微电网集群的储能调度和购电计划提供了更可靠的决策依据。