[发明专利]用电需求量预测方法及系统

权利要求书

1.一种用电需求量预测方法，其特征在于，包括：

获取目标区域的历史用电信息，以及与所述历史用电信息相关的用电影响因素，根据所述历史用电信息以及所述用电影响因素，通过聚类算法对所述历史用电信息进行聚类分析，确定所述历史用电信息的类别，其中，所述用电影响因素包括季节影响因素、节假日影响因素以及用电趋势影响因素中至少一种；

基于所述历史用电信息中相邻时刻的用电负荷确定负荷变化量并构建负荷差分序列，分别提取不同类别的历史用电信息的用电特征，以及所述负荷差分序列对应的负荷特征；

将所述用电特征以及所述负荷特征输入预先构建的用电需求预测模型，分别为所述用电特征以及所述负荷特征分配对应的权重值，输出所述目标区域在目标时段的预测用电需求信息，其中，所述用电需求预测模型基于神经网络模型构建，用于预测用电需求。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括识别所述历史用电信息中的异常数据：

基于所述历史用电信息的值域范围，从所述历史用电信息中随机选择用电信息作为分割节点，并根据所述分割节点将所述历史用电信息进行分割，构建用电孤立树；

计算所述用电孤立树中每个节点的平均分叉数作为每个节点的孤立度，根据所述每个节点的孤立度与预设异常阈值的比较结果，确定所述历史用电信息的异常数据；

获取所述异常数据在所述历史用电信息中预设时间周期的邻近数据集，并基于所述邻近数据集的平均值对所述异常数据进行修正。

3.根据权利要求1所述的方法，其特征在于，所述根据所述历史用电信息以及所述用电影响因素，通过聚类算法对所述历史用电信息进行聚类分析，确定所述历史用电信息的类别包括：

将所述用电影响因素进行向量拼接，确定用电影响特征，结合所述用电影响特征计算所述历史用电信息之间的第一空间距离；

确定所有历史用电信息的平均距离，根据所述平均距离以及所述第一空间距离，确定所述历史用电信息的数据密度；

将所述数据密度按照从大到小的顺序排序，结合所述第一空间距离确定所述历史用电信息对应的数据中心，基于所述多个第一空间距离以及所述数据中心确定聚类数，并根据所述聚类数对所述历史用电信息进行聚类，确定所述历史用电信息的类别。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括训练用电需求预测模型：

基于所述历史用电信息中相邻时刻的用电负荷确定负荷变化量，基于多个负荷变化量确定所述历史用电信息对应的负荷差分序列；

将所述历史用电信息与所述负荷差分序列分别输入待训练的用电需求预测模型，分别获取所述历史用电信息对应的第一预测结果和所述负荷差分序列对应的第二预测结果；

基于余弦相似度算法计算所述第一预测结果和所述第二预测结果的序列相似度，并在所述序列相似度大于预设相似度阈值时，确定所述历史用电信息与所述负荷差分序列的误差补偿值；

根据所述误差补偿值，设置与所述误差补偿值对应的补偿约束系数，并基于所述误差补偿值、所述第一预测结果、所述第二预测结果以及所述补偿约束系数迭代优化待训练的用电需求预测模型的损失函数，直至满足预设训练条件。

5.根据权利要求4所述的方法，其特征在于，所述基于所述误差补偿值、所述第一预测结果、所述第二预测结果以及所述补偿约束系数迭代优化待训练的用电需求预测模型的损失函数包括：

按照如下公式迭代优化待训练的用电需求预测模型的损失函数：

；

其中，LOSS表示损失函数对应的损失值，M表示迭代优化次数，、分别表示第i次迭代优化的第一预测结果和第二预测结果，表示第i次迭代优化的误差补偿值，表示第i次迭代优化的补偿约束系数。