一种基于三模态融合的短期电力负荷预测方法及系统
本发明属于电力系统负荷预测,具体涉及一种融合数值、文本和图像三种模态信息的短期电力负荷预测方法及系统。
背景技术:
1、在新型电力系统建设背景下,主动配电网中接入了大量分布式可再生能源、柔性负荷和储能设备,电力负荷的形态日益复杂,非线性显著增强。短期电力负荷预测是配电网智能运行与调度决策的基础,其精度直接影响储能配置、需求响应和能量管理等关键环节的可靠性。
2、现有负荷预测方法主要存在以下不足:第一,模态单一。多数方法仅利用历史数值序列建模,未能充分利用电力系统中长期被忽略的文本描述(如气象语义信息)和图像表达(如周期结构信息)这两类异构信息源。第二,历史数据利用不充分。传统方法仅以当前观测窗口为输入,难以从历史数据库中挖掘与当前场景相似、且其后续匹配信息已知的“历史—未来”匹配对作为显式经验参考。第三,多模态融合方式不充分。现有工作多采用简单拼接或固定权重的融合方式,无法根据不同负荷场景(强周期、弱周期、检索相关、检索无关)自适应调整各模态贡献,难以兼顾模型稳定性与场景适应性。
3、随着多模态大模型(如clip)的发展,其预训练文本编码器与视觉编码器已在文本语义理解和图像结构识别方面展现出强大能力,为将负荷数据统一为多模态表示并利用冻结的预训练编码器提取多尺度特征提供了可行路径。然而,如何将数值检索增强、文本语义编码、周期图像结构提取和自适应门控融合有机结合,构建统一的短期负荷预测框架,仍是亟待解决的关键技术问题。
技术实现思路
1、本发明的目的在于提出一种基于三模态融合的短期电力负荷预测方法及系统,以解决现有方法模态单一、历史数据利用不充分、多模态融合方式僵化的技术问题。
2、为实现上述目的,本发明采用以下技术方案:
3、一种基于三模态融合的短期电力负荷预测系统,所述短期电力负荷预测系统包括多维预测电力数据集、历史数据库、数值通道、文本通道、文本编码器、图像通道、视觉编码器和门控网络,其中:
4、所述多维预测电力数据集根据原始负荷和气象数据进行缺失值补齐与时间对齐,利用最大信息系数mic度量各候选气象变量与负荷的非线性相关性,选取得分最高的 m-1个气象变量与历史负荷获得多维预测电力数据;
5、所述历史数据库基于最大信息系数加权的多元动态时间距离,从中检索与多维预测电力数据最相似的历史片段获得电力负荷匹配数据;
6、所述数值通道将电力负荷匹配数据按照序列内、序列间、检索三路并行特征与自适应门控融合机制获得短期电力负荷数据时序信息;
7、所述文本通道根据当前窗口的负荷统计数据和气象条件自动生成自然语言描述,利用预训练文本编码器提取语义向量,经线性投射、层归一化与预测头生成短期电力负荷文本残差修正信息;
8、所述图像通道利用快速傅里叶变换选取振幅最大的主导频率,将一维负荷序列分别按主导周期折叠为二维图像并分别占据rgb三通道,输入冻结的预训练视觉编码器提取图像特征,经线性投射、层归一化与预测头生成短期负荷图像周期修正信息;
9、所述门控网络根据场景动态分配的短期电力负荷数据时序信息、短期电力负荷文本残差修正信息、短期负荷图像周期修正信息自适应融合方法,得到最终预测结果。
10、本发明将通过以下步骤实现:
11、步骤一:数据预处理与气象变量筛选。对原始负荷和气象数据进行缺失值补齐与时间对齐,利用最大信息系数mic度量各候选气象变量与负荷的非线性相关性,选取得分最高的 m-1 个气象变量与历史负荷共同构成 m 维预测模型输入。
12、步骤二:基于mic加权dtw距离的历史相似场景检索。在训练阶段建立检索库,检索库仅由训练集范围内的历史观测窗口构成,候选样本的输入窗口及其紧接的未来段均不得与验证集或测试集发生时间重叠。以mic系数作为各变量的归一化权重,对候选序列与当前观测窗口的dtw距离进行加权融合,从中检索与当前观测最相似的k条历史片段及其后续真实负荷段,构成“历史—未来”匹配对。
13、步骤三:数值通道的三路特征提取与门控融合。将当前观测窗口沿时间轴划分为长度为的不重叠补丁,经线性投射与正弦位置编码后,分别经多头自注意力提取序列内特征、经dtw权重聚合的相似历史片段与当前序列拼接提取序列间特征、经dtw权重聚合的相似历史未来段提取检索特征;三路特征经softmax门控沿特征维融合,展平后由线性层输出数值通道的步预测向量。
14、步骤四:文本通道的语义残差生成。基于预设模板将当前窗口的负荷统计量(均值、标准差、极值、趋势方向)与对应时段的气象条件转写为自然语言文本,输入冻结的预训练文本编码器生成文本语义向量,经线性投射、层归一化与预测头生成文本残差修正向量。
15、步骤五:图像通道的周期残差生成。对当前观测窗口进行快速傅里叶变换得到振幅谱,选取振幅最大的3个频率作为主导频率;将原始序列经末端复制填充后分别按3个主导周期折叠为3张二维图像,统一经双线性插值至相同尺寸后分别作为rgb三个颜色通道堆叠为单张多通道图像,输入冻结的预训练视觉编码器提取图像特征,经线性投射、层归一化与预测头生成图像残差修正向量。
16、步骤六:基于门控网络的三通道自适应融合。将数值通道的预测向量、文本通道的残差修正向量、图像通道的残差修正向量沿特征维拼接,经门控多层感知机与softmax得到非负且和为1的门控权重,按权重将数值预测与其叠加残差进行加权求和,得到最终步负荷预测结果。
17、步骤七:模型训练与多场景验证。在四个不同国家、不同空间尺度和时间分辨率的公开电力负荷数据集上,分别在全量预测、小样本预测(5%)和迁移学习三种场景下开展实验,以均方误差mse、平均绝对误差mae作为评价指标验证本发明的有效性。
18、有益效果
19、本发明具有以下有益效果:
20、(1)三通道并列预测架构有效融合了数值时序信息、文本语义信息与图像周期结构信息三类异构信息源,弥补了现有方法模态单一的不足,提升了对复杂负荷场景的建模能力。
21、(2)数值通道提出的mic加权dtw检索机制和序列内、序列间、检索三路特征门控融合机制,为当前预测提供了显式历史经验参考,并自适应平衡三类数值特征的贡献。
22、(3)图像通道利用fft选取3个主导周期并按rgb三通道堆叠为多通道图像,使不同周期对应的二维结构在输入阶段保持独立,避免了多周期折叠后的相互覆盖,可同时提取周期内与周期间的波动规律。
23、(4)基于softmax门控网络的三通道自适应融合方法可根据不同负荷场景动态调整数值、文本、图像三类信息的相对权重,使模型在全量预测、小样本预测和迁移学习等多种场景下均保持较高精度。
24、(5)实验表明本发明方法在四个公开数据集上均优于现有主流基线方法,且在数据稀缺的迁移学习场景下亦能保持良好性能,具有较高的工程应用价值。
1.一种基于三模态融合的短期电力负荷预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的短期电力负荷预测方法,其特征在于:所述序列内特征通过当前观测窗口沿时间轴划分为统一长度的不重叠补丁,经线性投射与正弦位置编码后,分别经多头自注意力提取各补丁之间的依赖关系。
3.根据权利要求1所述的短期电力负荷预测方法,其特征在于:所述序列间特征是引入当前观测窗口之外的历史相似场景作为参照,通过比对当前序列与相似历史序列的形态拼接获取跨序列信息。
4.根据权利要求1所述的短期电力负荷预测方法,其特征在于:所述检索特征通过加权聚合相似未来段序列所包括的预测内容。
5.一种基于三模态融合的短期电力负荷预测系统,其特征在于,所述短期电力负荷预测系统包括多维预测电力数据集、历史数据库、数值通道、文本通道、文本编码器、图像通道、视觉编码器和门控网络,其中:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com