[发明专利]一种基于信息熵聚类和注意力机制的循环神经网络短期负荷预测方法

摘要

本发明设计一种基于信息熵聚类和ATTENTION机制的循环神经网络短期负荷预测方法，包括以下步骤分析影响电力负荷的特征；使用xgboost算法计算所有特征对负荷的信息熵；使用聚类算法对预测地区的历史数据进行基于各特征信息熵为权重的聚类分析；在聚类结果中选取预测日权重距离最近的簇，并依据距离预测时间由远到近组成时间序列T；时间序列T作为ATTENTION循环神经网络的编码器(Encoder)，并由解码器(Decoder)获得预测结果。与现有技术相比，本发明具有预测精度高、自适应性好等优点。

主权项

一种基于信息熵聚类和注意力(ATTENTION)机制的循环神经网络短期负荷预测方法，其特征在于，具体包括以下步骤：步骤1：对电力负荷数据进行预处理，确定预测模型的输入特征变量和输出目标；步骤2：使用极端梯度提升算法(xgboost)计算影响电力负荷各输入特征的信息熵，并归一化各特征的信息熵，以适配聚类算法对数据的要求；步骤3：以各特征的信息熵作为重要性启发信息构造基于特征权重的聚类，即样本间距离采用加权欧氏距离衡量，调整聚类参数，使得聚类算法得到与要预测时间段负荷使用情况最相似的历史日；步骤4：依据距离预测时间由远到近将相似的历史日组成时间序列T；步骤5：时间序列T作为ATTENTION循环神经网络的编码器(Encoder)输入序列，训练预测模型；步骤6：判断训练模型是否收敛，如果尚未收敛则返回步骤5，否则由解码器(Decoder)获得负荷预测结果。