[發(fā)明專利]電子裝置、基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)方法及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811020635.2
• 申請(qǐng)日: 2018-09-03
• 公開(kāi)（公告）號(hào): CN109377406A
• 公開(kāi)（公告）日: 2019-02-22
• 發(fā)明（設(shè)計(jì)）人: 阮曉雯;徐亮;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06Q50/06
• 分類號(hào): G06Q50/06;G06F17/50
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明提出電子裝置、基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)方法及存儲(chǔ)介質(zhì)，其中，所述方法包括：通過(guò)采集預(yù)先確定的建筑物在預(yù)測(cè)日對(duì)應(yīng)的影響電力負(fù)荷的各個(gè)因素的取值，其中，影響電力負(fù)荷的因素包括溫度屬性、周屬性、節(jié)日屬性、濕度屬性以及預(yù)先設(shè)置的供電輸出功率；對(duì)采集得到的各個(gè)因素的取值進(jìn)行歸一化處理，以得到歸一化之后的各個(gè)因素值；根據(jù)預(yù)先訓(xùn)練完成的梯度提升回歸預(yù)測(cè)模型進(jìn)行電力負(fù)荷值預(yù)測(cè)，以預(yù)測(cè)出所述預(yù)先確定的建筑物在對(duì)應(yīng)預(yù)測(cè)日的最大電力負(fù)荷值。能夠有效提高了電力負(fù)荷預(yù)測(cè)的精度，為智能電網(wǎng)的建設(shè)以及推廣提供參考數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及電力負(fù)荷預(yù)測(cè)領(lǐng)域，尤其涉及一種電子裝置、基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)方法及存儲(chǔ)介質(zhì)。

背景技術(shù)

電力負(fù)荷預(yù)測(cè)是電力研究中的重要組成部分，在電力市場(chǎng)的有效運(yùn)行中起著關(guān)鍵的作用。隨著科技的進(jìn)步、經(jīng)濟(jì)發(fā)展的需要，智能電網(wǎng)的建設(shè)拉開(kāi)序幕，從而提高了能源的利用率，促進(jìn)資源優(yōu)化配置。

目前，常用的預(yù)測(cè)方法包括經(jīng)驗(yàn)預(yù)測(cè)技術(shù)、線性回歸預(yù)測(cè)技術(shù)、時(shí)間序列預(yù)測(cè)技術(shù)等，其中，經(jīng)驗(yàn)預(yù)測(cè)技術(shù)主要依靠專家或?qū)＜医M的判斷，存在的預(yù)測(cè)誤差較高。線性回歸預(yù)測(cè)指用數(shù)理統(tǒng)計(jì)中的回歸分析方法，即通過(guò)對(duì)變量的觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，確定變量之間的線性相關(guān)關(guān)系，從而實(shí)現(xiàn)預(yù)測(cè)的目的，該方法無(wú)法對(duì)電力負(fù)荷進(jìn)行分類合成預(yù)測(cè)，因而不適應(yīng)于不同的城市負(fù)荷預(yù)測(cè)。時(shí)間序列預(yù)測(cè)技術(shù)不同于線性回歸技術(shù)，因變量(預(yù)測(cè)目標(biāo))和自變量均可以是隨機(jī)變量，無(wú)法和影響負(fù)荷變化的變量關(guān)聯(lián)，導(dǎo)致預(yù)測(cè)結(jié)果不精確。因此，如何提高電力負(fù)荷預(yù)測(cè)的精度是亟待解決的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出一種電子裝置、基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)方法及存儲(chǔ)介質(zhì)，能夠有效提高了電力負(fù)荷預(yù)測(cè)的精度，為智能電網(wǎng)的建設(shè)以及推廣提供參考數(shù)據(jù)。

首先，為實(shí)現(xiàn)上述目的，本發(fā)明提出一種電子裝置，所述電子裝置包括存儲(chǔ)器、及與所述存儲(chǔ)器連接的處理器，所述處理器用于執(zhí)行所述存儲(chǔ)器上存儲(chǔ)的基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)程序，所述基于梯度提升回歸的建筑物電力負(fù)荷預(yù)測(cè)程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如下步驟：

A1、采集預(yù)先確定的建筑物在預(yù)測(cè)日對(duì)應(yīng)的影響電力負(fù)荷的各個(gè)因素的取值，其中，影響電力負(fù)荷的因素包括溫度屬性、周屬性、節(jié)日屬性、濕度屬性以及預(yù)先設(shè)置的供電輸出功率；

A2、對(duì)采集得到的各個(gè)因素的取值進(jìn)行歸一化處理，以得到歸一化之后的各個(gè)因素值；

A3、根據(jù)預(yù)先訓(xùn)練完成的梯度提升回歸預(yù)測(cè)模型進(jìn)行電力負(fù)荷值預(yù)測(cè)，以預(yù)測(cè)出所述預(yù)先確定的建筑物在對(duì)應(yīng)預(yù)測(cè)日的最大電力負(fù)荷值。

優(yōu)選地，在所述步驟A1中，所述溫度屬性包括根據(jù)氣象預(yù)報(bào)確定的預(yù)測(cè)日的各個(gè)時(shí)刻的溫度值的平均溫度、最高溫度以及最低溫度；所述周屬性指的是預(yù)測(cè)日屬于周幾；所述節(jié)日屬性指的是預(yù)測(cè)日是否屬于節(jié)日；所述濕度屬性包括預(yù)測(cè)日的平均濕度；所述預(yù)先設(shè)置的供電輸出功率由相關(guān)專業(yè)人員根據(jù)經(jīng)驗(yàn)值進(jìn)行設(shè)置。

優(yōu)選地，所述預(yù)先訓(xùn)練完成的梯度提升回歸模型為梯度提升回歸樹(shù)，所述梯度提升回歸樹(shù)的表達(dá)式為：

優(yōu)選地，所述梯度提升回歸模型的訓(xùn)練過(guò)程包括：

選取所述預(yù)先確定的建筑物在預(yù)定義時(shí)間段內(nèi)每天的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括電力負(fù)荷值、預(yù)先設(shè)置的充電功率、溫度屬性、周屬性、節(jié)日屬性以及濕度屬性；

對(duì)獲取的上述樣本數(shù)據(jù)進(jìn)行預(yù)處理，以得到訓(xùn)練樣本數(shù)據(jù)集M＝{(x1,y1),(x2,y2),…,(xN,yN)},其中，xN代表的是第N天，yN代表的是第N天的訓(xùn)練樣本向量；

預(yù)定義梯度提升回歸模型的損失函數(shù)為L(zhǎng)＝(y,f(x))，輸出的梯度提升回歸樹(shù)為f(x)；

將輸出的梯度提升回歸數(shù)進(jìn)行初始化，以得到只有一個(gè)根節(jié)點(diǎn)的樹(shù)fm(x)，其中，