(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111463129.2 (22)申请日 2021.12.02 (71)申请人 南京南瑞信息通信科技有限公司 地址 210003 江苏省南京市 鼓楼区南瑞路8 号 (72)发明人 陈雄杰　徐春生　张春平　叶志刚　 陈文龙　房洪甲　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 代理人 张赏 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 一种基于生成式对抗网络的电网负荷序列 预测方法及系统 (57)摘要 本发明提出一种基于生成式对抗网络的电 力负荷序列预测方法及系统， 该方法通过对影 响 电网负荷的气象温湿度和经济数据以及电力负 荷数据进行lstm编码， 并使 生成式对抗网络以纯 数据驱动的方式学习相关因素之间的耦合作用， 最后使用LS TM解码器输出未来序列预测值。 本发 明能够准确进行电网负荷预测效果， 解决了电网 负荷预测序列单一， 时间步长短， 精度低等问题。 权利要求书2页 说明书6页 附图2页 CN 114239934 A 2022.03.25 CN 114239934 A 1.一种基于生成式对抗网络的电力负荷序列预测方法， 其特 征在于， 包括： 以当前时刻 之前的气象温湿度、 经济数据和电力负荷数据构 成的真实序列为输入输入 至构建的生成式对抗网络， 得到未来序列的预测值； 对未来序列的预测值进行筛 选得到最佳 预测序列。 2.根据权利要求1所述的一种基于生成式对抗网络的电力负荷序列预测方法， 其特征 在于， 所述以当前时刻之前 的气象温湿度、 经济数据和电力负荷数据构成的真实序列为输 入输入至构建的生成式对抗网络， 得到未来序列的预测值， 包括： 采用单层感知器嵌入当前时刻 之前由气象温湿度、 经济数据和电力负荷数据构 成的样 本数据， 得到一个固定 长度的向量 将得到的向量 进行LSTM编码， 得到： 对气象温湿度、 经济数据和电力负荷数据之间的交互影响进行学习， 得到样本数据的 集合张量Pi； 对 和Pi进行解码得到未来序列的预测值： 其中， φ(.)是具有非线性的嵌入函数， 分别为t时刻第i个样本的气象温湿 度、 经济数据和电力负荷数据， 为未来序列的预测值， γ(.)是具有ReLU非线性的 多层感知器， Wee和Wed均为嵌入权 重， Wencoder为LSTM权重， N为样本个数。 3.根据权利要求2所述的一种基于生成式对抗网络的电力负荷序列预测方法， 其特征 在于， 还包括： 以未来序列的预测值和样本数据构成的真实序列为输入输入至生成式对抗网络的鉴 别器， 基于判别结果对生成式对抗网络各权 重参数进行 更新调整。 4.根据权利要求1所述的一种基于生成式对抗网络的电力负荷序列预测方法， 其特征 在于， 所述对未来序列的预测值进行筛 选得到最佳 预测序列， 包括： 基于如下多样性损失函数 得到最佳 预测序列： 其中， Yi表示真实序列， 为预测序列， k表示随机抽样得到的k个输出 预测值。 5.一种基于生成式对抗网络的电力负荷序列预测系统， 其特征在于， 包括生成式对抗 网络和输出模块， 所述生成式对抗网络包括 生成器和鉴别器； 所述生成器包括编码器， 统筹层和解码器； 所述编码器用于基于LSTM单 元对气象温湿度、 经济数据和电力负荷数据进行编码；权　利　要　求　书 1/2 页 2 CN 114239934 A 2所述统筹层用于对气象温湿度、 经济数据和电力负荷数据之间的交互影响进行学习， 得到样本数据的集 合张量； 所述解码器用于对LSTM编码数据和集 合张量进行解码， 输出 未来序列的预测值； 所述鉴别器用于基于所述生成器输出未来序列的预测值和样本数据构成的真实序列 进行判别， 优化调整生成式对抗网络的各权 重参数； 所述输出模块用于对未来序列的预测值进行筛 选得到最佳 预测序列。 6.根据权利要求5所述的一种基于生成式对抗网络的电力负荷序列预测系统， 其特征 在于， 所述编码器具体用于， 采用单层感知器嵌入当前时刻 之前由气象温湿度、 经济数据和电力负荷数据构 成的样 本数据， 得到一个固定 长度的向量 将得到的向量 输入至LSTM单 元， 得到： 其中， φ(.)是具有非线性的嵌入函数， 分别为t时刻第i个样本的气象温湿 度、 经济数据和电力负荷数据， Wee为嵌入权 重， Wencoder为LSTM权重。 7.根据权利要求6所述的一种基于生成式对抗网络的电力负荷序列预测系统， 其特征 在于， 所述 解码器具体用于， 对 和集合张量进行解码如下： 其中， 为未来序列的预测值， γ(.)是具有ReLU非线性的多层感知 器， Pi为第i 个样本的集 合张量， Wed为嵌入权 重， N为样本个数。 8.根据权利要求5所述的一种基于生成式对抗网络的电力负荷序列预测系统， 其特征 在于， 所述输出模块具体用于， 基于如下多样性损失函数 得到最佳 预测序列： 其中， Yi表示真实序列， 为预测序列， k表示随机抽样得到的k个输出 预测值。权　利　要　求　书 2/2 页 3 CN 114239934 A 3