[发明专利]电力物联网多源数据融合的深度学习电价预测方法和装置

权利要求书

1.一种电力物联网多源数据融合的深度学习电价预测方法，其特征在于，包括：

获取目标区域内各个地区的预设时间段的预测电价，所述预测电价由预先分别布置于各个地区的电价预测模型对相应的历史电价数据集进行预测得到；

获取各个地区的历史电力负荷均值；

对所述历史电力负荷均值进行融合权重计算，以得到各个地区历史负荷均值相应的融合权重；

基于所述融合权重对所述预测电价进行融合计算，以得到所述预设时间段的最终预测电价。

2.根据权利要求1所述的方法，其特征在于，所述电价预测模型包括由所述历史电价数据集训练至收敛的长短期记忆模型。

3.根据权利要求2所述的方法，其特征在于，所述长短期记忆模型的构建过程包括：

基于预设机器学习平台搭建电价预测模型，并设定相应的结构参数；

将所述历史电价数据集输入至所述电价预测模型进行训练，并基于早停法对训练过程进行优化，以得到所述长短期记忆模型。

4.根据权利要求3所述的方法，其特征在于，所述基于预设机器学习平台搭建电价预测模型，并设定相应的结构参数，包括：

基于预设深度学习框架，搭建预设层数的电价预测模型；

对包括激活函数、优化函数为、学习率、损失函数、输入层节点数、隐藏层的节点数和输出层节点数在内的所述结构参数进行设定。

5.根据权利要求3所述的方法，其特征在于，所述将所述历史电价数据集输入至所述电价预测模型进行训练，并基于早停法对训练过程进行优化，以得到所述长短期记忆模型，包括：

对模型训练的每次迭代的样本个数、验证集的切分比例和最大迭代次数进行设定；

基于所述早停法对迭代训练的过程进行监控，以对迭代训练的次数进行控制。

6.根据权利要求1所述的方法，其特征在于，所述获取各个地区的历史电力负荷均值，包括：

对各个地区年度的电力负荷信息进行采集，并计算年度电力负荷均值，将所述年度电力负荷均值作为所述历史电力负荷均值。

7.根据权利要求6所述的方法，其特征在于，所述对所述历史电力负荷均值进行融合权重计算，以得到各个地区历史负荷均值相应的融合权重，包括：

基于归一化指数函数对各个地区的历史电力负荷均值进行计算，以得到对应的融合权重。

8.根据权利要求7所述的方法，其特征在于，所述基于所述融合权重对所述预测电价进行融合计算，以得到所述预设时间段的最终预测电价，包括：

对所述预测电价和相应的所述融合权重，进行决策级融合计算以得到所述最终预测电价。

9.根据权利要求1至8任一项所述的方法，其特征在于，所述历史电价数据集的获取过程，包括：

对采集的本地的历史电价信息进行去噪处理，以去除所述历史电价信息中的异常数据；

对去噪处理后的历史电价信息进行归一化处理，以将不同量纲的数据映射到预设区间内得到所述历史电价数据集。

10.一种电力物联网多源数据融合的深度学习电价预测装置，其特征在于，包括：

电价预测模块，用于获取目标区域内各个地区的预设时间段的预测电价，所述预测电价由预先分别布置于各个地区的电价预测模型对相应的历史电价数据集进行预测得到；

采集模块，用于获取各个地区的历史电力负荷均值；

权重计算模块，用于对所述历史电力负荷均值进行融合权重计算，以得到各个地区历史负荷均值相应的融合权重；以及

融合模块，用于基于所述融合权重对所述预测电价进行融合计算，以得到所述预设时间段的最终预测电价。