[发明专利]用电量预测模型的训练方法

说明书

本发明公开了一种用电量预测模型的训练方法，方法适于在计算设备上执行，包括步骤：针对多个用电类型中的某一用电类型，获取第一数量个历史用电数据作为该用电类型的训练数据；利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值；以及计算每次训练输出的预测值与真实值的误差率，直到误差率小于预设阈值时训练结束，得到训练后的用电量预测模型。本发明一并公开了用电量预测方法和执行上述方法的计算设备。

技术领域

本发明涉及用电量预测技术领域，更具体地，涉及用电量预测模型的训练方法、用电量预测方法及计算设备。

背景技术

在现有的用电量预测研究中，常采用时间序列方法，根据时间序列所反映出来的发展过程、方向和趋势建立预测模型，进行类推或延伸，预测下一段时间或以后若干年内可能达到的水平。然而，仅通过大致的拟合发展趋势得到的预测模型，在经济发展水平变化等各种因素影响下的预测结果，其准确性和可靠性较低。

因此，需要一种具有较强的自学习和自适应能力的用电量预测方案，能够基于用电量的历史数据，准确地测算出未来用电量。

发明内容

为此，本发明提供了用电量预测模型的训练方法、用电量预测方法及计算设备，以力图解决或者至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种用电量预测模型的训练方法，方法适于在计算设备上执行，包括步骤：针对多个用电类型中的某一用电类型，获取第一数量个历史用电数据作为该用电类型的训练数据；利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值；以及计算每次训练输出的预测值与真实值的误差率，直到误差率小于预设阈值时训练结束，得到训练后的用电量预测模型。

可选地，在根据本发明的训练方法中，用电类型包括：第一产业用电、第二产业用电、第三产业用电和居民生活用电。

可选地，在根据本发明的训练方法中，用电量预测模型为NAR神经网络模型。

可选地，在根据本发明的训练方法中，用电量预测模型包括输入层、中间层和输出层共三层神经网络，其中，输入层具有第一数量个节点，中间层具有第二数量个节点，输出层只有一个节点。

可选地，在根据本发明的训练方法中，利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值的步骤包括：针对不同用电类型的训练数据，通过激活函数计算出中间层每个节点的输出；以及利用中间层每个节点的输出以线性方式计算出对应用电量预测模型的预测值。

可选地，在根据本发明的训练方法中，中间层第j个节点的输出Hj为：

其中，j＝1,2,3,...,l，n为第一数量，l为第二数量，xi为第i个节点输入的训练数据，wij为输入层第i个节点和中间层第j个节点之间的连接权值，aj为中间层第j个节点的阈值，f(·)为激活函数。

可选地，在根据本发明的训练方法中，输出的预测值为：