[发明专利]用电负荷预测方法及系统在审

专利信息
申请号: 202210450049.1 申请日: 2022-04-26
公开(公告)号: CN115018119A 公开(公告)日: 2022-09-06
发明(设计)人: 张照彦;王森;张东月;姜萍;郝雷;刘志恒 申请(专利权)人: 河北大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/06;H02J3/00;G06N3/02
代理公司: 北京圣州专利代理事务所(普通合伙) 11818 代理人: 黄青青
地址: 071000 *** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用电 负荷 预测 方法 系统
【权利要求书】:

1.一种用电负荷预测方法,其特征在于,包括:

获取用户的用电数据,以及所述用电数据的影响因素数据;其中,所述用电数据为所述用户在至少一个时段内对应的用电负荷,所述影响因素数据为对所述用电数据产生影响的数据;

对所述用电数据和所述影响因素数据进行预处理,得到第一输入数据;

根据所述第一输入数据训练初始用电负荷预测模型,得到用电负荷预测模型;

将第一用电数据以及所述第一用电数据对应的第一影响因素数据作为输入,基于所述用电负荷预测模型输出对应的目标用电数据;其中,所述目标用电数据与所述第一用电数据对应的时段不同。

2.如权利要求1所述的方法,其特征在于,所述根据所述第一输入数据训练初始用电负荷预测模型,包括:

建立所述用电负荷预测模型的灰色预测子模型和RBF预测子模型;

根据所述灰色预测子模型和所述RBF预测子模型分别对所述第一输入数据的预测结果,调整所述灰色预测子模型和所述RBF预测子模型的参数,直至所述参数满足预设要求。

3.如权利要求2所述的方法,其特征在于,所述调整所述灰色预测子模型和所述RBF预测子模型的参数,包括:

响应于所述灰色预测子模型对所述第一输入数据的第一预测结果未达到设定等级精度,对所述灰色预测子模型进行残差修正,得到训练好的灰色预测子模型;

获取所述训练好的灰色预测子模型和所述RBF预测子模型对所述第一输入数据进行预测的误差和方差;

根据所述误差和所述方差,计算所述训练好的灰色预测子模型和所述RBF预测子模型对应的第一权重和第二权重;

对所述第一权重和所述第二权重进行调整,直至所述参数满足预设要求。

4.如权利要求3所述的方法,其特征在于,所述影响因素数据至少包括所述用户的用电习惯、所述用电数据的时段对应的人体舒适度指数、以及所述用电数据的时段是否为节假日,所述将第一用电数据以及所述第一用电数据对应的第一影响因素数据作为输入,基于所述用电负荷预测模型输出对应的目标用电数据,包括:

将所述第一用电数据输入至所述训练好的灰色预测子模型,得到第一预测值;

将所述第一预测值和所述第一影响因素数据输入至所述RBF预测子模型,得到第二预测值;

将所述第一预测值对应所述第一权重、所述第二预测值对应所述第二权重后,进行加权求和操作,得到所述目标用电数据。

5.如权利要求1所述的方法,其特征在于,所述对所述用电数据和所述影响因素数据进行预处理,包括:

识别所述用电数据中是否存在异常数据,所述异常数据包括损坏数据和空数据;

若存在所述异常数据,对所述异常数据进行补全或修正,以得到完整的用电数据。

6.如权利要求5所述的方法,其特征在于,所述识别所述用电数据中是否存在异常数据,包括:

对所述用电数据进行横向识别和纵向识别,得到识别结果;

响应于所述识别结果满足第一预设条件或第二预设条件中的至少一个,则确定所述用电数据为所述异常数据。

7.如权利要求5所述的方法,其特征在于,所述方法还包括:对完整的用电数据和所述影响因素数据进行归一化处理,得到所述第一输入数据。

8.一种用电负荷预测系统,其特征在于,包括:

用电数据获取模块,用于获取用户的用电数据,以及所述用电数据的影响因素数据;其中,所述用电数据为所述用户在至少一个时段内对应的用电负荷,所述影响因素数据为对所述用电数据产生影响的数据;

第一输入数据获取模块,用于对所述用电数据和所述影响因素数据进行预处理,得到第一输入数据;

用电负荷预测模型生成模块,用于根据所述第一输入数据训练初始用电负荷预测模型,得到用电负荷预测模型;

用电负荷预测模块,用于将第一用电数据数据以及所述第一用电数据的影响因素数据作为输入,基于所述用电负荷预测模型输出对应的目标用电数据;其中,所述目标用电数据与所述第一用电数据对应的时段不同。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河北大学,未经河北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210450049.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top