1.一种基于多模态时序学习的负荷预测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于多模态时序学习的负荷预测方法,其特征在于,模态权重计算模块包括隐藏状态提取网络和第一注意力计算网络,隐藏状态提取网络用于提取多模态时序特征数据x的隐藏状态{ht}qt=1,ht表示x在第t个时隙上的隐藏特征;第一注意力计算网络结合x在第t-1个时隙上的隐藏特征生成各时隙上各模态的注意力特征;模态权重计算模块结合注意力特征计算注意力权重α={αmt|1≤m≤m,1≤t≤q};
3.如权利要求2所述的基于多模态时序学习的负荷预测方法,其特征在于,隐藏状态提取网络采用bilstm,emt的生成过程公式表示如下:
4.如权利要求1所述的基于多模态时序学习的负荷预测方法,其特征在于,模态融合模块包括多模态融合门和与模态一一对应的门控单元,模态融合模块的计算过程可公式表示如下:
5.如权利要求1所述的基于多模态时序学习的负荷预测方法,其特征在于,负荷预测模块包括lstm网络和多层感知器,lstm网络基于时间特征融合数据tfi、隐藏状态di-1和第i-1个预测时间步上的负荷预测值y'i-1生成第i个预测时间步上的隐藏状态di,多层感知器基于隐藏状态di生成第i个预测时间步上的负荷预测值y'i;y'i-1的初始值为监测时间段上最后一个时间点上的负荷值。
6.一种如权利要求1-5任一项所述的基于多模态时序学习的负荷预测方法中负荷预测模型的训练方法,其特征在于,包括以下步骤:
7.如权利要求6所述的负荷预测模型的训练方法,其特征在于,损失函数为:
8.一种多模态时序学习的负荷预测系统,其特征在于,承载有计算机程序,所述计算机程序被执行时用于实现如权利要求7所述的负荷预测模型的训练方法。
9.一种多模态时序学习的负荷预测系统,其特征在于,包括存储器和处理器,存储器中存储有第一段计算机程序和第二段计算机程序,处理器连接存储器;处理器用于执行所述第一段计算机程序,以实现如权利要求7所述的负荷预测模型的训练方法,获取负荷预测模型;处理器还用于执行第二段计算机程序,以实现如权利要求1-5任一项所述的基于多模态时序学习的负荷预测方法。
10.一种多模态时序学习的负荷预测系统,其特征在于,包括存储器和处理器,存储器中存储有计算机程序和负荷预测模型,处理器连接存储器,处理器用于执行所述计算机程序,以实现如权利要求1-5任一项所述的基于多模态时序学习的负荷预测方法。