【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种基于时空自适应组件的电量预测方法和装置。
技术介绍
1、随着人工智能技术的发展，准确的电量预测已成为一项关键挑战。关键瓶颈在于捕捉复杂的时空模式。近年来，已经提出了许多具有复杂架构的神经网络来解决这个问题。随着网络架构的进步遇到了性能提升的减少，然而针对当前此类多变量时序预测问题的关键瓶颈在于捕捉复杂的时空模式。近年来，已经提出了许多具有复杂架构的神经网络来解决这个问题，但网络架构对于性能提升的贡献正呈边际效益递减，因此当前的电量预测技术无法适应电网的电量预测的需求。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够适应电网的电量预测的需求的基于时空自适应组件的电量预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种基于时空自适应组件的电量预测方法。所述方法包括：
3、获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；
4、将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；
5、融合表示各所述电力特征信息嵌入数据，得到融合隐藏电力数据；
6、根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量；
7、将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值；所述电量调度预测数值用于所述电量测量设备预测所述待预测电量
8、第二方面，本申请还提供了一种基于时空自适应组件的电量预测装置。所述装置包括：
9、测量数据获取模块，用于获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；
10、测量数据映射模块，用于将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；
11、映射数据融合模块，用于融合表示各所述电力特征信息嵌入数据，得到融合隐藏电力数据；
12、预测张量生成模块，用于根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量；
13、预测数值得到模块，用于将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值；所述电量调度预测数值用于所述电量测量设备预测所述待预测电量对象在未来的一段时间中电能的转化量。
14、第三方面，本申请还提供了一种计算机设备。所述计算机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以下步骤：
15、获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；
16、将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；
17、融合表示各所述电力特征信息嵌入数据，得到融合隐藏电力数据；
18、根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量；
19、将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值；所述电量调度预测数值用于所述电量测量设备预测所述待预测电量对象在未来的一段时间中电能的转化量。
20、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
21、获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；
22、将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；
23、融合表示各所述电力特征信息嵌入数据，得到融合隐藏电力数据；
24、根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量；
25、将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值；所述电量调度预测数值用于所述电量测量设备预测所述待预测电量对象在未来的一段时间中电能的转化量。
26、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
27、获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；
28、将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；
29、融合表示各所述电力特征信息嵌入数据，得到融合隐藏电力数据；
30、根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量；
31、将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值；所述电量调度预测数值用于所述电量测量设备预测所述待预测电量对象在未来的一段时间中电能的转化量。
32、上述一种基于时空自适应组件的电量预测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待预测电量对象的对象电力行为测量值以及对象电力物理测量值；将对象电力行为参数值以及对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据；融合表示各电力特征信息嵌入数据，得到融合隐藏电力数据；根据融合隐藏电力数据中的依赖关系和依赖模式，生成融合隐藏电力数据中的电力数据预测张量；将电力数据预测张量映射到待预测电量对象的电量调度预测数值；电量调度预测数值用于电量测量设备预测待预测电量对象在未来的一段时间中电能的转化量。
33、通过对电力行为参数和物理参数的精确测量，并将这些参数映射到连续向量空间，模型能够捕捉电力特征的潜在关联和复杂的时空依赖关系。这一过程不仅融合了多维度的电力特征信息，还通过生成融合隐藏电力数据，深度挖掘了电力特征之间的内在模式和依赖结构。通过对这些数据进行进一步的预测建模，生成的电力数据预测张量能够反映未来一段时间内的电力使用趋势和潜在变化。最后，将预测张量映射到电量调度预测数值，实现了对电力需求的高精度预测。这一方法能够有效适应电网的电量预测的需求，提高了电量预测的准确性和可靠性，为电力调度提供了精确的数据支持，能够显著优化电能分配，减少浪费，提高能源管理的效率，最终提升电力系统的整体运作效率。
本文档来自技高网...【技术保护点】
1.一种基于时空自适应组件的电量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述电力特征信息嵌入数据包括电力特征嵌入数据、周期性嵌入数据以及时空自适应嵌入数据；所述将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据时间-空间关系，捕捉所述对象电力行为参数值以及所述对象电力物理参数值中的时空关系数据，得到所述时空自适应嵌入数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述时间-空间关系的表达式为
5.根据权利要求1所述的方法，其特征在于，根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏电力数据中的电力数据预测张量，包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述电力数据预测张量映射到所述待预测电量对象的电量调度预测数值，包括：
7.一种基于时空自适应组件的电量预测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于时空自适应组件的电量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述电力特征信息嵌入数据包括电力特征嵌入数据、周期性嵌入数据以及时空自适应嵌入数据；所述将所述对象电力行为参数值以及所述对象电力物理参数值映射到连续向量空间，得到各电力特征信息嵌入数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据时间-空间关系，捕捉所述对象电力行为参数值以及所述对象电力物理参数值中的时空关系数据，得到所述时空自适应嵌入数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述时间-空间关系的表达式为
5.根据权利要求1所述的方法，其特征在于，根据所述融合隐藏电力数据中的依赖关系和依赖模式，生成所述融合隐藏...
【专利技术属性】
技术研发人员：罗兴鹏，江佳佳，董召杰，余煜塬，李汉巨，张焕明，冯勤宇，王品昭，黄冠，卢长青，
申请(专利权)人：南方电网人工智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。