[發明專利]一種商業樓宇的日負荷預測方法

在審

• 申請號: 201911243175.4
• 申請日: 2019-12-06
• 公開（公告）號: CN111222688A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 崔傳建;姚國風;唐新忠;李天杰;范永學;馬娜;李琳;楊振亞;劉麗茹;劉海峰
• 申請（專利權）人: 北京國電通網絡技術有限公司;國網江西省電力有限公司;國網信息通信產業集團有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 李翔

1.一種商業樓宇的日負荷預測方法，其特征在于，包括如下步驟：

采集待預測樓宇的選定時間段每日的日負荷數據和該選定時間段每天的的小時負荷數據；

根據小時負荷數據生成小時負荷時間序列曲線；

對小時負荷時間序列曲線進行聚類分析處理，得出聚類數；

根據日負荷數據生成日負荷時間序列曲線；

通過對聚類數和日負荷時間序列曲線進行訓練，得出SVR模型；

通過SVR模型對待預測商業樓宇進行未來目標日的負荷預測。

2.根據權利要求1所述的一種商業樓宇的日負荷預測方法，其特征在于，所述選定時間段為同一季度連續的一段時間。

3.根據權利要求1所述的一種商業樓宇的日負荷預測方法，其特征在于，所述采集待預測樓宇的選定時間段每日的日負荷數據和該選定時間段每天的的小時負荷數據之后還包括

將采集的日負荷數據和小時負荷數據等比例縮放；

探測并刪除異常數據；

刪除冗余數據；

填充缺失數據；

得出第一日負荷數據和第一小時負荷數據；

對所述第一小時負荷數據進行聚類分析處理，得出聚類數；

根據所述第一日負荷數據生成日負荷時間序列曲線；

通過對聚類數和日負荷時間序列曲線進行訓練，得出SVR模型，并保存該模型。

4.根據權利要求1所述的一種商業樓宇的日負荷預測方法，其特征在于，所述對小時負荷時間序列曲線進行聚類分析處理包括對小時負荷數據進行K-Shape聚類分析。

5.根據權利要求4所述的一種商業樓宇的日負荷預測方法，其特征在于，所述對小時負荷時間序列曲線進行K-Shape聚類分析處理，包括

將具有相似負荷模式的小時負荷時間序列曲線聚為一類；

得到多組分類數據，每組分類數據包括一個簇數和與該簇數對應的均方誤差；

選定任意三個相鄰的簇數K-1，K，K+1，計算K的均方誤差與K-1的均方誤差的差值d1，計算K的均方誤差與K+1的均方誤差的差值d2，并計算||d1|-|d2||＝Δd；

選取Δd最小的簇數K作為聚類數。

6.根據權利要求1所述的一種商業樓宇的日負荷預測方法，其特征在于，所述根據日負荷數據生成日負荷時間序列曲線之后還包括：按照時間先后順序，將全部日負荷數據分為訓練集和測試集。

7.根據權利要求1所述的一種商業樓宇的日負荷預測方法，其特征在于，所述所述通過對聚類數和日負荷時間序列曲線進行訓練包括：以商業樓宇的日負荷值和所述聚類數作為輸入，滯后一天的負荷值作為標簽，進行訓練得出SVR模型，并保存模型。

8.根據權利要求3所述的一種商業樓宇的日負荷預測方法，其特征在于，所述將采集的數據等比例縮放包括：通過如下公式將數據歸一化到0～1范圍內，

其中X_norm為歸一化后數據，X為原始數據，X_max和X_min分別為原始數據集的最大值和最小值。

9.根據權利要求1所述的商業樓宇的日負荷預測方法，其特征在于，所述通過SVR模型對待預測商業樓宇進行未來目標日的負荷預測之后還包括，采集同一區域多個商業樓宇的日負荷數據和小時負荷數據，對所述日負荷預測方法進行驗證。

10.根據權利要求1所述的一種商業樓宇的日負荷預測方法的裝置，其特征在于，包括

采集模塊，采集待預測樓宇的選定時間段每日的日負荷數據和該選定時間段每天的的小時負荷數據；

第一數據處理模塊，根據小時負荷數據生成小時負荷時間序列曲線；

聚類分析模塊，對小時負荷時間序列曲線進行聚類分析處理，得出聚類數；

第二數據處理模塊，根據日負荷數據生成日負荷時間序列曲線；

訓練模塊，通過對聚類數和日負荷時間序列曲線進行訓練，得出SVR模型，并保存該模型；

通過SVR模型對待預測商業樓宇進行未來目標日的負荷預測。