[发明专利]一种具有可解释特性的电力负荷预测方法、系统及终端机

权利要求书

1.一种具有可解释特性的电力负荷预测方法，其特征在于，方法包括：

步骤一、初始化三个因子：季节因子、趋势因子以及平滑因子；依次用S₁、T₁、I₁分别表示；

步骤二、计算当前DeepES单元中三个因子在t+1时刻的状态；

即S_t+1、T_t+1、I_t+1；

步骤三、向下一个DeepES单元输出三个因子S_t+1、T_t+1、I_t+1；

步骤四、重复执行步骤二至步骤三，直到第n个DeepES单元运行结束；

步骤五、基于最后一个DeepES单元输出的三个因子来计算预测值Y。

2.根据权利要求1所述的具有可解释特性的电力负荷预测方法，其特征在于，

步骤一中的初始化因子方式包括：构建网络框架；

在网络框架内设置激活函数，使用网络框架计算当前DeepES单元中三个因子在t+1时刻的状态；

将使用网络框架计算出的S_t+1、T_t+1、I_t+1输出给下一个DeepES单元。

3.根据权利要求1所述的具有可解释特性的电力负荷预测方法，其特征在于，

步骤一中的初始化因子方式还包括：

输入序列为{X₁,X₂,…,X_n}，其长度为n；

取输入序列的前k个值，记为{X₁,X₂,…,X_k}，计算输入序列的均值、方差和水平比率，三个指标的计算公式如下：

得到X_mean，X_var，X_p三个指标之后，通过InitNet网络得到初始化因子的取值X_init；

得到X_init之后，则初始化三个因子为：

4.根据权利要求3所述的具有可解释特性的电力负荷预测方法，其特征在于，

InitNet网络的参数设置为：

第一个隐藏层的输入数据维度为[1,k]，即输入样本数是1，样本特征维度是k；输出维度为[1,p]，即样本数是1，样本特征维度是p；

第二个隐藏层的输入维度为[1,p]，即输入样本数是1，样本特征维度是p；输出维度为[1,p]，即样本数是1，样本特征维度是p；

输出层的输入维度为[1,p]，即输入样本数是1，样本特征维度是p；输出维度为[1,p+2]，即样本数是1，样本特征维度是p+2。

5.根据权利要求1或2所述的具有可解释特性的电力负荷预测方法，其特征在于，

步骤计算当前DeepES单元中三个因子在t+1时刻的状态还包括：

输入序列为{X₁,X₂,…,X_n}，则迭代次数是n次。当前执行步为t；

计算t+1时刻的平滑因子I_t+1，公式如下：

其中，concat(·)表示两个向量的拼接操作，TempNet为TempNet计算网络；

TempNet的参数设置为：

隐藏层的输入维度为[1,2p]，即输入样本数是1，样本特征维度是2p；输出维度为[1,p]，即样本数是1，样本特征维度是p；

输出层的输入维度为[1,p]，即输入样本数是1，样本特征维度是p；输出维度为[1,p]，即样本数是1，样本特征维度是p。