公开(公告)号：CN117293803B

公开(公告)日：2024-08-13

申请号：CN202311244927.5

申请日：2023-09-25

Applicant: 武汉大学

Inventor： 余伟 ,  李凌威 ,  李石君 ,  余放 ,  杨俊成

IPC: H02J3/00 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2113 ,  G06F18/2115 ,  G06F18/27 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明涉及一种基于多特征建模与注意力增强的电力回路短期能耗预测方法，针对实际环境采样的电力回路能耗感知数据进行数据预处理和多特征建模构造回路能耗多特征数据集，随后构建双注意力增强的能耗预测网络，在双向GRU神经网络提取的时序特征的基础上，分别在时间和特征维度上进行注意力计算，最后融合构造表达效果更强的回路能耗时序特征完成电力回路短期能耗预测。本发明使得实际采集的回路能耗数据可以直接用于模型预测，同时构建注意力增强的能耗预测网络对回路能耗影响因子进行时序特征提取，并同时在时间步和多特征两个维度进行注意力的集成，捕捉待预测能耗最相关的时间步以及影响较大的特征维度，进而提高短期预测准确率。

公开(公告)号：CN117293803A

公开(公告)日：2023-12-26

申请号：CN202311244927.5

申请日：2023-09-25

Applicant: 武汉大学

Inventor： 余伟 ,  李凌威 ,  李石君 ,  余放 ,  杨俊成

IPC: H02J3/00 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2113 ,  G06F18/2115 ,  G06F18/27 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明涉及一种基于多特征建模与注意力增强的电力回路短期能耗预测方法，针对实际环境采样的电力回路能耗感知数据进行数据预处理和多特征建模构造回路能耗多特征数据集，随后构建双注意力增强的能耗预测网络，在双向GRU神经网络提取的时序特征的基础上，分别在时间和特征维度上进行注意力计算，最后融合构造表达效果更强的回路能耗时序特征完成电力回路短期能耗预测。本发明使得实际采集的回路能耗数据可以直接用于模型预测，同时构建注意力增强的能耗预测网络对回路能耗影响因子进行时序特征提取，并同时在时间步和多特征两个维度进行注意力的集成，捕捉待预测能耗最相关的时间步以及影响较大的特征维度，进而提高短期预测准确率。

公开(公告)号：CN117113202A

公开(公告)日：2023-11-24

申请号：CN202311075326.6

申请日：2023-08-24

Applicant: 武汉大学

Inventor： 余伟 ,  李凌威 ,  李石君 ,  余放 ,  杨俊成

IPC: G06F18/2411 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/06

Abstract: 本发明涉及时间序列异常检测技术，具体涉及基于联合误差堆叠模型的电力回路异常能耗检测方法及设备，该方法收集能耗数据进行预处理；构建标准的以小时为间隔的回路能耗时序数据；构建多变量能耗预测网络，利用能耗历史数据单点预测待检测时刻的回路小时能耗数值；构建对抗自编码器重构模型，学习能耗时序数据的全局分布规律，重构待检测时序窗口；根据预测值计算预测误差，利用重构时序窗口计算小时能耗重构误差并联合训练OCSVM单分类器；将待检测时刻能耗的预测误差和重构误差输入训练好的OCSVM单分类器中进行回路异常能耗的检测。该方法在考虑能耗多影响因子以及数据全局分布规律的同时避免了传统异常检测算法人为异常阈值的设定。