[發明專利]基于Prophet的智能鐵路車站電能能耗預測方法

在審

• 申請號: 201910737592.8
• 申請日: 2019-08-09
• 公開（公告）號: CN110443425A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 張軍凱;肖迪光
• 申請（專利權）人: 長江慧控科技（武漢）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 許峰

本發明屬于能耗預測技術領域，公開了一種基于Prophet的智能鐵路車站電能能耗預測方法。該方法包括：對用電系統中的各子節點進行監測，獲得各子節點分別對應的實測電能能耗數據；將各子節點對應的實測電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖。通過上述方式，對所述待測電表進行有效預測，以尋找高能耗環節，進而采取技術手段達到節約能源的效果。

技術領域

本發明涉及能耗預測技術領域，尤其涉及一種基于Prophet的智能鐵路車站電能能耗預測方法。

背景技術

伴隨著高速鐵路的發展，如今的鐵路車站已進入智能化時代，目前，國內鐵路車站主要使用模糊最小二乘支持向量機(FLS-SVM)、徑向基神經網絡(RBF-ANN)等技術對電能進行預測。模糊最小二乘支持向量機因其學習速度快、跟蹤性能好、泛化能力強、精度高等優點被廣泛應用于能耗預測領域。在SVM預測中，高斯核函數可以看作與每一個輸入點的距離，而RBF神經網絡對輸入點做了一個聚類，同樣可以得到較好的預測效果，但SVM與RBF預測中存在如下缺陷：

(1)SVM借助二次規劃求解支持向量，求解二次規劃將涉及m階矩陣計算(m為樣本的個數)，當m數目很大時該矩陣的存儲和計算將耗費大量的機器內存和運算時間。

(2)RBF隱層基函數的中心是在輸入樣本集中選取的，通常難以反映出系統真正的輸入輸出關系，并且初始中心點數較多，優選過程中通常會出現數據病態現象。

為此，有待發明一種基于智能鐵路車站大量監測數據的現代化電能預測方法。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種基于Prophet的智能鐵路車站電能能耗預測方法，旨在解決智能鐵路車站電能預測的技術問題。

為實現上述目的，本發明提供了一種基于Prophet的智能鐵路車站電能能耗預測方法，所述方法包括以下步驟:

對用電系統中的各子節點進行監測，獲得各子節點分別對應的實測電能能耗數據；

將各子節點對應的實測電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖。

優選地，所述將各子節點對應的實測電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖的步驟，包括：

判斷各子節點對應的實測電能能耗數據是否存在異常；

在所述實測電能能耗數據不存在異常時，將所述實測電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖；

在所述各子節點的實測電能能耗數據存在異常時，對異常數據進行數值補充，得到完整電能能耗數據，并將所述完整電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖。

優選地，所述對異常數據進行數值補充的步驟，包括：

在映射關系表中根據時間戳查找異常數據的相鄰實測電能能耗數據前值和相鄰實測電能能耗數據后值；

計算相鄰實測電能能耗數據前值和相鄰實測電能能耗數據后值的平均值，并根據所述平均值對所述異常數據進行數值填充，以獲得完整映射關系表；

所述映射關系表存放有時間戳和實測電能能耗數據的對應關系。

優選地，所述將各子節點對應的實測電能能耗數據輸入至預設預測模型中，獲得預測電能能耗數據對應的預測曲線圖的步驟之前，所述方法還包括：

在所述實測電能能耗數據中選取樣本數據；

將所述樣本數據劃分為訓練數據和測試數據；