资源分类
电力行业论文
电力行业期刊
电力行业成果
电力行业专利
电力工业标准
能源、核技术
电工
电子与信息技术
- > 电子元器件与信息技术综合
- > 电子元件
- > 电真空器件
- > 半导体分立器件
- > 微电路
- > 计算机
- > 信息处理技术
- > 电子测量与仪器
- > 电子设备专用材料、零件、结构件
- > 电子工业生产设备
仪器仪表
- > 仪器、仪表综合
- > 工业自动化仪表与控制装置
- > 电工仪器仪表
- > 物质成分分析仪器与环境监测仪器
- > 实验室仪器与真空仪器
- > 试验机与无损探伤仪器
工程建设
其他相关行业
电力行业机构
电力企业
采矿业
制造业
- > 通用设备制造业
- > 专用设备制造业
- > 交通运输设备制造业
- > 电气机械及器材制造业
- > 通信设备、计算机及其他电子设备制造业
- > 仪器仪表及文化、办公用机械制造业
- > 金属制品业
- > 非金属矿物制品业
首页 > 一种区域用电量智能预测方法、系统及存储介质
一种区域用电量智能预测方法、系统及存储介质
本申请涉及一种区域用电量智能预测方法，包括以下具体步骤：根据电网系统中记录的区域用电量历史数据进行基于一维卷积网络的区域用电量模型训练，得到基于一维卷积网络的区域用电量模型；结合遍历得到的不同训练集长度下的最优训练集窗口大小，获得重组后的窗口选择数据集；依据重组后的数据集，利用轻量化的梯度集成方法进行自适应训练窗口选择模型训练，得到自适应训练窗口选择模型；通过自适应训练窗口选择模型结合基于一维卷积网络的区域用电量模型，从而实现准确的区域用电量预测。
| 专利类型： | 发明专利 |
|---|---|
| 申请（专利）号： | CN202210758598.5 |
| 申请日期： | 2022年6月30日 |
| 公开(公告)日： | 2022年7月29日 |
| 公开(公告)号： | CN114819425A |
| 主分类号： | G06Q10/04,G,G06,G06Q,G06Q10 |
| 分类号： | G06Q10/04,G06Q10/06,G06Q50/06,G06N3/04,G06N3/08,H02J3/00,G,H,G06,H02,G06Q,G06N,H02J,G06Q10,G06Q50,G06N3,H02J3,G06Q10/04,G06Q10/06,G06Q50/06,G06N3/04,G06N3/08,H02J3/00 |
| 申请（专利权）人： | 国网湖北省电力有限公司信息通信公司,武汉大学 |
| 发明（设计）人： | 廖荣涛,周正,胡钰林,王晟玮,王逸兮,李磊,叶宇轩,胡欢君,张剑,宁昊,董亮,刘芬,郭岳,罗弦,张岱,陈家璘,汪杰 |
| 主申请人地址： | 430077 湖北省武汉市徐东大街341号; |
| 专利代理机构： | 武汉楚天专利事务所 |
| 代理人： | 胡盛登 |
| 国别省市代码： | |
| 主权项： | 1.一种区域用电量智能预测方法，其特征在于，包括以下具体步骤： 根据电网系统中记录的区域用电量历史数据进行基于一维卷积网络的区域用电量模型训练，得到基于一维卷积网络的区域用电量模型； 结合遍历得到的不同训练集长度下的最优训练集窗口大小，获得重组后的窗口选择数据集； 依据重组后的数据集，利用轻量化的梯度集成方法进行自适应训练窗口选择模型训练，得到自适应训练窗口选择模型； 通过自适应训练窗口选择模型结合基于一维卷积网络的区域用电量模型，从而实现准确的区域用电量预测。 2.根据权利要求1所述的一种区域用电量智能预测方法，其特征在于，所述基于一维卷积网络的区域用电量模型的训练中，区域用电量历史数据为单一变量的时间序列数据，表示为，其中表示这组数据的长度，表示在时刻的区域用电量数据，预测得到的区域用电量数据为，其中表示为预测时间序列的长度，且根据历史数据得到预测数据的关系表示为： (1) 根据设定训练窗口的大小，对原始数据进行数据处理并将其划分为训练集与测试集；基于短数据集驱动的一维卷积网络的区域用电量预测模型训练问题建模为： (2) 其中，表示为预测数据的真实数据，其长度与相同，用于表示预测数据与真实数据之间的差距。 3.根据权利要求2所述的一种区域用电量智能预测方法，其特征在于，为使所述最小化，实现根据历史数据得到准确的预测数据，采用结合一维全连接层与因果卷积的网络结构，具体结构包含8个一维卷积网络，1个池化层和2个维全连接层，通过将原始数据输入到网络结构中，通过训练得到基于短数据驱动的一维卷积网络的区域用电量预测模型。 4.根据权利要求1所述的一种区域用电量智能预测方法，其特征在于，所述结合遍历得到的不同训练集长度下的最优训练集窗口大小，获得重组后的窗口选择数据集具体为： 在区域用电量历史数据中增加气候、温度、星期、风向这些多维度特征； 将原始区域用电量历史数据中的时间索引去除掉，在每一段不同长度的区域用电量历史数据中增加序列长度和最优训练窗口大小两个特征； 将原始区域用电量历史数据打乱，并从中随机选取其中的20%作为重组数据集； 根据以上步骤，将得到输出值为最优训练窗口大小，输入特征值为气候、温度、序列长度的重组数据集。 5.根据权利要求1所述的一种区域用电量智能预测方法，其特征在于，所述依据重组后的数据集，利用轻量化的梯度集成方法进行自适应训练窗口选择模型训练，得到自适应训练窗口选择模型具体为： 重组后的数据集包括气候、温度、序列长度这些输入特征，表示为，为所有的特征值集合，表示其中的一项特征，输出值为最优训练窗口大小，表示为，且是一个具体的值，则基于轻量化的梯度集成方法的模型训练为回归问题，则基于轻量化的梯度集成方法模型的自适应训练窗口模型可以表示为： (3) 其中，为误差修正系数，以确保最后得到的训练窗口大小为整数值； 此时基于轻量化的梯度集成方法模型的训练过程同样是需要保证减少真实值与预测值之间的差异，则训练过程中的目标方程表示为： (4) 其中，为通过遍历找到的最优训练窗口值，为通过自适应轻量化的梯度集成方法模型得到的最优训练窗口值。 6.一种区域用电量智能预测系统，其特征在于，包括区域用电预测模块、最优训练窗口数据获取模块、自适应训练窗口选择模块以及结果输出模块， 所述区域用电预测模块根据电网系统中记录的区域用电量历史数据进行基于一维卷积网络的区域用电量模型训练，得到基于一维卷积网络的区域用电量模型； 所述最优训练窗口数据获取模块结合遍历得到的不同训练集长度下的最优训练集窗口大小，获得重组后的窗口选择数据集； 所述自适应训练窗口选择模块依据重组后的数据集，利用轻量化的梯度集成方法进行自适应训练窗口选择模型训练，得到自适应训练窗口选择模型； 所述结果输出模块通过自适应训练窗口选择模型结合基于一维卷积网络的区域用电量模型，从而实现准确的区域用电量预测。 7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码被处理器执行时，实现如权利要求1至5任一项所述的区域用电量智能预测方法的步骤。 |
| 法律状态： | 公开 , |
返回顶部相关专利
京公网安备11010802020237号