[发明专利]一种基于边缘计算的预测用电量的方法、计算机设备和存储介质

权利要求书

1.一种基于边缘计算的预测用电量的方法，其特征在于：

边缘管理器收到用电量预测触发，发送用电数据收集指令；

所述边缘管理器向云端服务器发送辅助信息获取指令；

针对电量预测区域，收集所述用电数据，并将所述用电数据上传至边缘数据管理；

所述用电数据上传至所述云端服务器；

所述边缘数据管理对所述用电数据进行处理，设M个智能电表采集N个时刻的采集数据时刻T＝[t₁,t₂,…,t_N]的数据为

对所述用电数据进行差分，获得某时刻用电量，对M个智能电表数据求和，获得新的用电历史数据，X＝[x₁,x₂,…,x_N]，对应的时刻为T＝[t₁,t₂,…,t_N]，式中用电量记为Y＝[y₁,y₂,…,y_N-1]，式中

所述边缘数据管理与所述云端服务器建立通信信道，接收用电基本模型数据，所述用电基本模型数据按照类型进行区分；

所述用电基本模型要通过采集所述电量预测区域的用户特性，结合历史数据和用电预测模型，构建针对所述电量预测区域的所述用电基本模型；

所述边缘数据管理创建电量预测信息到边缘控制器；

所述云端服务器从外界信息中获取辅助信息；

所述云端服务器将所述辅助信息数据传输至所述边缘数据管理；

所述边缘数据管理对所述辅助信息进行处理；

所述边缘控制器与边缘节点之间建立通信信道；

所述边缘控制器利用所述通信通道发送通知消息，所述通知消息用于指示数据的变更；

所述边缘节点根据所述辅助信息生成误差修正模型，结合所述用电基本模型，生成电量精确预测模型；

所述电量精确预测模型的网络采用四层前向反馈网络，第一层为输入层，第二层和第三层为隐藏层，第四层为输出层，核函数采用非线性函数，根据所述采集数据时刻T＝[t₁,t₂,…,t_N]和所述用电量Y＝[y₁,y₂,…,y_N-1]，对建立所述电量精确预测模型架构进行训练；

根据所述类型新选择预测模型，设网络net初始的参数为(W，B)，分别为连接权重和偏置大小，采用批处理方式，每一批选择K个数据，每批总误差为：按下述公式进行参数调整

式中η₁、η₂分别为(W，B)的学习率；将全部训练数据进行误差修正操作，获得训练完成的网络net(W,B)；

所述边缘节点利用训练好的所述电量精确预测模型进行电量预测。

2.根据权利要求1所述的预测用电量的方法，其特征在于：所述用电预测模型为线性回归、非线性回归、灰色系统模型、交互多模型中的一种或多种。

3.根据权利要求1所述的预测用电量的方法，其特征在于：所述类型分为住宅、办公、商业、厂矿四个基本类型，所述预测模型为式中sgn()为符号函数，如果预测区域类型与“住宅区”、“办公区”、“商业区”、“厂矿区”对应，则值为1，否则为0，Net()为训练好的误差修正网络；得到用电量预测值。

4.根据权利要求3所述的预测用电量的方法，其特征在于：针对所述住宅区域，单独设置新能源汽车的预测模型，住宅区域的用电预测模型表示为：

S(t)_H＝E(t)+V(t)

式中S(t)_H为t时刻住宅类型的区域用电量，E(t)为t时刻家用电器用电量预测值，V(t)为t时刻新能源汽车充电用电量预测值。

5.根据权利要求4所述的预测用电量的方法，其特征在于：所述前向反馈网络第一层节点数为5，第二层和第三层节点数分别为5和3，最后一层节点数1。