(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221097815 0.4 (22)申请日 2022.08.16 (65)同一申请的已公布的文献号 申请公布号 CN 115049169 A (43)申请公布日 2022.09.13 (73)专利权人 国网湖北省电力有限公司信息通 信公司 地址 430077 湖北省武汉市洪山区徐 东大 街341号 专利权人 武汉大学 (72)发明人 王晟玮　周正　胡钰林　廖荣涛　 王逸兮　李磊　叶宇轩　胡欢君　 张剑　宁昊　董亮　刘芬　郭岳　 罗弦　张岱　陈家璘　徐浩　 (74)专利代理 机构 武汉楚天专利事务所 421 13 专利代理师 胡盛登(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) (56)对比文件 CN 114723583 A,202 2.07.08 CN 114154700 A,2022.03.08 CN 114519471 A,202 2.05.20 CN 114519471 A,202 2.05.20 CN 111784043 A,2020.10.16 WO 2016063660 A1,2016.04.28 张帆等.基 于提升小 波的时间序列分析法的 电力负荷预测. 《电气自动化》 .2017,(第0 3期), 审查员 刘雪 (54)发明名称 基于频域和空域结合的区域用电量预测方 法、 系统及 介质 (57)摘要 本申请涉及一种基于频域和空域结合的区 域用电量预测方法、 系统及介质， 方法包括以下 具体步骤： 根据获取到的电网历史数据， 综合分 析电网历史数据中历史用电量数据和位置信息， 并对电网历史数据进行季节 ‑趋势项分解； 针对 输入的电网历史数据进行tran sformer模型的编 码器处理， 编码器处理包括基于傅里叶变换的频 域特征提取和基于图卷积神经网络的空域特征 提取； 利用transformer模型的解码器对处理后 的数据进行解码层操作， 并结合长时间序列中的 频域特征、 空域特征和mu lti‑head频域子注意力 运算， 实现精准的电网区域用电量预测。 本申请 解决现有预测方法中难以对长时间序列进行有 效建模的问题， 同时对 频域和空域特征进行了提 取， 利用这些 特征进行用电量的预测。 权利要求书2页 说明书7页 附图3页 CN 115049169 B 2022.10.28 CN 115049169 B 1.一种基于频域和空域结合的区域用电量预测方法， 其特 征在于， 包括以下 具体步骤： 根据获取到的 电网历史数据， 综合分析电网历史数据中历史用电量数据和位置信息， 并对电网历史数据进行 季节‑趋势项分解； 针对输入的电网历史数据进行transformer模型的编码器处理， 编码器处理包括基于 傅里叶变换的频域特 征提取和基于图卷积神经网络的空域特 征提取； 利用transformer模型的解码器对处理后的数据进行解码层操作， 并结合长时间序列 中的频域特征、 空域特征和multi ‑head频域子注意力运算， 实现精准的电网区域用电量预 测； 所述综合分析电网历史数据中历史用电量数据和位置信 息具体为， 所述历史用电量数 据包括用户用电量时间序列 ， 用户位置信息通过一个有向图 来表示， 其中 是用户位置的集合， 共有 个用户， 也就有 元素， 是有向图的边，   是储存用户之 间距离的邻接矩阵， 用户各的用电量数据时间序列和位置信息拼接为矩阵 ； 对电网历史数据进行季节 ‑趋势项分解具体为， transformer模型对用户用电量时间序 列 进行序列分解， 分解 为季节项 与趋势项 ， 具体计算方法如下公式所示： (2) 其中，  为平均池化操作， 操作在序列的两端补0以保持序列在池 化操作后长度不变； 所述基于傅里叶变换的频域特 征提取具体为， 用户用电量时间序列 中， 为序列长度， 为特征数量， 将 维的用户用电量时间 序列 送入频域特征层进行傅里叶变换以提取频域特征， 频域特征层的具体操作是先对 进行线性映射， 将其映射为 维query矩阵 ， 其中 为预先设置的适当大小的数， 然后 对 的每个特征进行快速傅里 叶变换得到 维频谱矩阵 ， 为减少计算量和防止过拟 合， 进行稀疏操作， 具体做法是对 进行随机采样， 得到 维矩阵 ， 其中 为远小于 的数， 其次使用一层随机初始化的卷积神经网络与 卷积得到 矩阵 ， 最后对 进行 补零操作使其维度变为 并进行快速傅里叶逆变换得到 输出 ； 所述基于图卷积神经网络的空域特征提取具体为， 将矩阵 送入图卷积网络层， 定义在 向图 上的图卷积的公式为： 其中 为卷积核的参数， 为单位矩阵， 为图 的度矩阵， 矩阵 经过图卷积层之 后取要预测的用户对应的维度并补零之后得到空域特 征层的输出 ； 所述针对输入的电网历史数据进行transformer模型的编码器处理中编码器的结构由 个相同的编码层组成， 编码器处理为， 频域特征层输出 与空域特征层 相加进行序 列分解取季节项后送入前馈神经网络， 再经过一次序列分解取季节项之后得到该编 码层的 输出， 编码器中的第一层输入为原始数据， 后面每个编码层都以前一层的输出为本层的输权　利　要　求　书 1/2 页 2 CN 115049169 B 2入， 最终编码器输出编码结果 ； 所述利用t ransformer模型的解码器对处 理后的数据进行解码层操作具体为， 第一步， 将季节项 输入频域特征层与空域特征层之后， 将特征层的输出与 相加进 行序列分解得到季节分量 与趋势分量 ； 第二步， 将上一步得到的季节分量 与编码器输出编码结果 进行频域自注意力运 算； 第三步， 将频域自注意力输出与第一步得到的季节分量 相加之后进行序列分解， 得到 季节分量 和趋势分量 ， 将 通过前馈神经网络之后与 ， ， 相加之后得到解码器 的输出 ； 所述频域自注意力运算过程如下： 首先通过线性层引入multi ‑head机制， 将 通过线 性层映射为更多通道的query矩阵 ， 同理将 通过线性层映射为value矩阵V、 ke y矩阵 ， 然后对 ， ， V进行快速傅里叶变换和随机采样得到采样后的频谱矩阵 ， 其次， 将矩 阵 进行内积运算， 通过soft max激活函数再与 进行内积运算， 最后将得到的结果进行 补零与快速傅里叶逆变换 得到频域自注意力输出 ， 公式表示如下， 其中， 为softmax激活函数， 为 的维度。 2.一种基于频域和 空域结合的区域用电量预测系统， 其特征在于， 系统采用如权利要 求1所述的方法进行 预测， 系统包括， 电网历史数据获取和分析模块， 用于获取电网历史数据， 综合分析电网历史数据中历 史用电量数据和位置信息； 季节‑趋势项分解模块， 用于对电网历史数据进行 季节‑趋势项分解； 特征提取模块， 用于对电网历史数据进行基于傅里叶变换的频域特征提取和基于图卷 积神经网络的空域特 征提取； 电网区域用电量预测模块， 用于结合长时间序列中的频域特征、 空域特征和multi ‑ head频域子注意力运 算， 实现精准的电网区域用电量预测。 3.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有程序代码， 所述程序代码被处理器执行时， 实现如权利要求1所述的基于频域和空域结合的区域用电 量预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115049169 B 3