[发明专利]行业用电量预测方法

权利要求书

1.一种行业用电量预测方法，其特征在于，包括：

获取聚类模型、用电预测模型、多个因素集以及与每个所述因素集相对应的用电数据集，所述因素集包括多个因素，所述用电数据集包括多个用电数据，所述因素与所述用电数据相对应；

对于每个所述因素集，根据所述多个用电数据，获取相关系数，所述相关系数用于表征因素与用电数据关联性的系数；

从所述多个因素集中筛选出多个初筛因素集，所述初筛因素集为所述相关系数大于阈值的因素集；

将所述多个初筛因素集输入至所述聚类模型，获取多个聚类中心；

将所述多个聚类中心输入至所述用电预测模型，获取用电量预测数据。

2.根据权利要求1所述的行业用电量预测方法，其特征在于，所述对于每个所述因素集，根据所述多个用电数据，获取相关系数，包括：

将所述因素以及所述多个用电数据分别进行排序，获得多个因素序号以及多个用电数据序号；

根据所述多个因素序号以及所述多个用电数据序号获得多个序号差，所述序号差为所述因素的序号与所述因素相对应的所述用电数据的序号的差；

根据所述因素的数量、所述多个序号差以及第一公式，确定相关系数，所述第一公式：

式中，ρ为相关系数，d_i为序号差，N为因素的数量。

3.根据权利要求2所述的行业用电量预测方法，其特征在于，所述聚类模型为自组织特征映射网络，所述将所述多个初筛因素集输入至所述聚类模型，获取多个聚类中心，包括：

对每个所述初筛因素集，执行如下步骤：

获取学习率以及聚类半径；

输入步骤：将所述初筛因素输入至所述聚类模型的输入层，所述初筛因素为所述初筛因素集的因素；

根据所述输入层与神经元之间的距离，确定获胜神经元；

根据所述获胜神经元以及所述聚类半径，获取获胜区域；

根据所述学习率更新所述获胜区域的神经元的权重；

计算所述获胜神经元的权重变化率，若所述权重变化率大于阈值，则跳转至所述输入步骤，所述权重变化率用于表征权重更新前后的变化情况；

获取所述获胜区域神经元的输出，作为聚类中心。

4.根据权利要求3所述的行业用电量预测方法，其特征在于，所述输入层与神经元之间的距离，根据所述第二公式确定，所述第二公式为：

式中，d_j为输入层与神经元之间的距离，x_i为输入层输入的因素，w_ij为第j个神经元与第i个输入之间的权重，N为因素的数量，所述x_i以及所述w_ij均经过归一化处理。

5.根据权利要求3所述的行业用电量预测方法，其特征在于，所述神经元的激活函数为：

式中，LeakReLU为激活函数，x'为神经元的输入，γ为常数。

6.根据权利要求3-5任一项所述的行业用电量预测方法，其特征在于，所述用电预测模型为经过训练的BP神经网络模型，构建所述用电预测模型包括：

获取BP神经网络模型；

获取多个因素样本集的聚类中心以及与所述因素样本集的聚类中心相对应的用电数据样本；

根据所述用电数据样本制作与所述用电数据相对应的所述因素样本集的聚类中心的标签；

将所述多个因素样本集的聚类中心输入至所述BP神经网络模型，根据所述标签对所述BP神经网络模型进行训练，直至所述BP神经网络模型的输出的准确率达到阈值；

固定所述BP神经网络模型的参数，作为用电预测模型。