[發(fā)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?zhí)枺?/td>: 201910737592.8
• 申請日: 2019-08-09
• 公開（公告）號: CN110443425A
• 公開（公告）日: 2019-11-12
• 發(fā)明（設(shè)計）人: 張軍凱;肖迪光
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務所 44287
• 代理人: 許峰

本發(fā)明屬于能耗預測技術(shù)領(lǐng)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(tǒng)中的各子節(jié)點進行監(jiān)測，獲得各子節(jié)點分別對應的實測電能能耗數(shù)據(jù)；將各子節(jié)點對應的實測電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)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(huán)節(jié)，進而采取技術(shù)手段達到節(jié)約能源的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及能耗預測技術(shù)領(lǐng)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(shù)

伴隨著高速鐵路的發(fā)展，如今的鐵路車站已進入智能化時代，目前，國內(nèi)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(jīng)網(wǎng)絡(luò)(RBF-ANN)等技術(shù)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(yōu)點被廣泛應用于能耗預測領(lǐng)域。在SVM預測中，高斯核函數(shù)可以看作與每一個輸入點的距離，而RBF神經(jīng)網(wǎng)絡(luò)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(guī)劃求解支持向量，求解二次規(guī)劃將涉及m階矩陣計算(m為樣本的個數(shù))，當m數(shù)目很大時該矩陣的存儲和計算將耗費大量的機器內(nèi)存和運算時間。

(2)RBF隱層基函數(shù)的中心是在輸入樣本集中選取的，通常難以反映出系統(tǒng)真正的輸入輸出關(guān)系，并且初始中心點數(shù)較多，優(yōu)選過程中通常會出現(xiàn)數(shù)據(jù)病態(tài)現(xiàn)象。

為此，有待發(fā)明一種基于智能鐵路車站大量監(jiān)測數(shù)據(jù)的現(xiàn)代化電能預測方法。

上述內(nèi)容僅用于輔助理解本發(fā)明的技術(shù)方案，并不代表承認上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本發(fā)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(shù)問題。

為實現(xiàn)上述目的，本發(fā)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(tǒng)中的各子節(jié)點進行監(jiān)測，獲得各子節(jié)點分別對應的實測電能能耗數(shù)據(jù)；

將各子節(jié)點對應的實測電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)對應的預測曲線圖。

優(yōu)選地，所述將各子節(jié)點對應的實測電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)對應的預測曲線圖的步驟，包括：

判斷各子節(jié)點對應的實測電能能耗數(shù)據(jù)是否存在異常；

在所述實測電能能耗數(shù)據(jù)不存在異常時，將所述實測電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)對應的預測曲線圖；

在所述各子節(jié)點的實測電能能耗數(shù)據(jù)存在異常時，對異常數(shù)據(jù)進行數(shù)值補充，得到完整電能能耗數(shù)據(jù)，并將所述完整電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)對應的預測曲線圖。

優(yōu)選地，所述對異常數(shù)據(jù)進行數(shù)值補充的步驟，包括：

在映射關(guān)系表中根據(jù)時間戳查找異常數(shù)據(jù)的相鄰實測電能能耗數(shù)據(jù)前值和相鄰實測電能能耗數(shù)據(jù)后值；

計算相鄰實測電能能耗數(shù)據(jù)前值和相鄰實測電能能耗數(shù)據(jù)后值的平均值，并根據(jù)所述平均值對所述異常數(shù)據(jù)進行數(shù)值填充，以獲得完整映射關(guān)系表；

所述映射關(guān)系表存放有時間戳和實測電能能耗數(shù)據(jù)的對應關(guān)系。

優(yōu)選地，所述將各子節(jié)點對應的實測電能能耗數(shù)據(jù)輸入至預設(shè)預測模型中，獲得預測電能能耗數(shù)據(jù)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(shù)據(jù)中選取樣本數(shù)據(jù)；

將所述樣本數(shù)據(jù)劃分為訓練數(shù)據(jù)和測試數(shù)據(jù)；