(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 202111658841.8 (22)申请日 2021.12.3 0 (71)申请人 华中科技大 学无锡研究院 地址 214000 江苏省无锡市惠山区清研路2 号 申请人 无锡华润燃气有限公司 (72)发明人 袁烨　承灿赟　金骏阳　朱大令　 张永　李泽明　童剑峰　 (74)专利代理 机构 无锡苏元专利代理事务所 (普通合伙) 32471 代理人 邓琪 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于TCN-BIGRU的燃气负荷预测方法和装置 (57)摘要 本发明的实施例提供了一种基于TCN ‑BIGRU 的燃气负荷预测方法和装置。 所述方法包括获取 历史特征数据； 对历史特征数据进行筛选， 并对 筛选到的历史特征数据进行预处理， 将预处理后 的历史特征数据作为训练数据； 构建TCN ‑BIGRU 模型， 将训练数据输入TCN ‑BIGRU模型， 对TCN ‑ BIGRU模型进行训练， 将训练后的TCN ‑BIGRU模型 作为燃气负荷预测模型， 对次日的燃气负荷进行 预测。 以此方式， 能够通过TCN ‑BIGRU模型准确预 测燃气负荷， 从而提高燃气公司的运营效率， 并 且降低采购成本 。 权利要求书2页 说明书11页 附图2页 CN 114399101 A 2022.04.26 CN 114399101 A 1.一种基于TCN ‑BIGRU的燃气负荷预测方法， 其特 征在于， 包括： 获取历史特 征数据； 对所述历史特征数据进行筛选， 并对筛选到的历史特征数据进行预处理， 将预处理后 的历史特 征数据作为训练数据； 构建TCN‑BIGRU模型， 将 所述训练数据输入所述TCN ‑BIGRU模型， 对所述TCN ‑BIGRU模型 进行训练， 将训练后的TCN ‑BIGRU模型作为燃气负荷预测模型， 对次日的燃气负荷进行预 测。 2.根据权利要求1所述的方法， 其特征在于， 所述历史特征数据包括 时间序列 数据和非 时间序列数据； 其中， 时间序列数据为历史数据中的日负荷总量数据； 非时间序列数据为历 史数据当天对应的节假日数据和天气数据。 3.根据权利要求2所述的方法， 其特 征在于， 所述对所述历史特 征数据进行筛 选， 包括： 筛选出皮尔森相关系数 大于阈值的历史特 征数据； 其中， 所述皮尔森相关系数为： 其中， pX,Y为皮尔森相关系数； X为历史数据当天的天气数据； Y为历史数据中的日负荷 总量； E(.)表示期望 。 4.根据权利要求2所述的方法， 其特征在于， 所述对筛选到的历史特征数据进行预处 理， 包括： 对于历史数据中的日负荷总量数据， 将数据进行归一 化处理； 对于历史数据当天对应的节假日数据， 进行独热编码； 对于天气数据中的最高温度数据和最低温度数据进行正态标准 化。 5.根据权利要求1所述的方法， 其特征在于， 所述TCN ‑BIGRU模型， 包括依次设置的输入 层、 一维卷积层、 因果 膨胀卷积层、 BIGRU层和输出层； 所述输入层， 用于通过设置滑动窗口， 对时间序列 数据进行过滤， 将过滤后的时间序列 数据输出到所述 一维卷积层； 所述一维卷积层， 用于提取过滤后的时间序列数据的局部趋势特征， 输出到所述因果 膨胀卷积层； 所述因果膨胀卷积层， 用于提取特征中的隐藏信息和长期时间关系， 输出到所述BIGRU 层； 所述BIGRU层， 使用前向和反向的两个GRU网络结构对所述因果膨胀卷积层的输出向量 进行学习， 得到双向的时序特 征， 并与非时序特 征合并， 输入到所述输出层； 所述输出层， 选用全连接层， 用于根据时序 特征与非时序特征的合并结果， 输出次日的 燃气负荷预测值。 6.根据权利要求5所述的方法， 其特征在于， 定义所述TCN ‑BIGRU模型的损失函数为绝 对误差的平均值； 所述 绝对误差的平均值 为：权　利　要　求　书 1/2 页 2 CN 114399101 A 2其中， MAE为绝对误差的平均值； m为预测次日燃气量的天数和； yi为第i天实际燃气量； 为第i天预测燃气量。 7.根据权利要求2所述的方法， 其特 征在于， 所述时间序列数据为： x1＝[xt‑T+1,xt‑T+2,...,xt]T 其中， x1为时间序列数据； t为任意时刻； T为滑动窗口； x2＝[Qmax(s),Qmin(s),I(s),i(s)] 其中， x2为非时间序列 数据； Qmax(s)为预测当日的最高温度； Qmin(s)为预测当日的最低 温度； I(s)为工作 日指示函数， 若预测当日为工作 日， 则I(s)为1； i(s)为非工作日指示函 数， 若预测当日为非工作日， 则i(s)为0 。 8.一种基于TCN ‑BIGRU的燃气负荷预测装置， 其特 征在于， 包括： 获取模块， 用于获取历史特 征数据； 预处理模块， 用于对所述历史特征数据进行筛选， 并对筛选到的历史特征数据进行预 处理， 将预处 理后的历史特 征数据作为训练数据； 模型训练模块， 用于构建TCN ‑BIGRU模型， 将所述训练数据输入所述TCN ‑BIGRU模型， 对 所述TCN‑BIGRU模型进行训练， 将训练后的TCN ‑BIGRU模型作为燃气负荷预测模型， 对次日 的燃气负荷进行 预测。 9.一种电子设备， 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其特 征在于， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑7中任一项所述的方法。 10.一种存储有计算机指令的非瞬时计算机可读存储介质， 其特征在于， 所述计算机指 令用于使所述计算机执 行根据权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114399101 A 3