[發明專利]一種優化熱負荷預測方法及裝置

在審

• 申請號: 201911425147.4
• 申請日: 2019-12-31
• 公開（公告）號: CN111144665A
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 劉勝偉
• 申請（專利權）人: 新奧數能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 楊波

本發明公開了一種優化熱負荷預測方法、裝置、可讀介質及電子設備，包括：利用預設的預測模型，根據樣本數據，確定所述樣本數據對應的第一預測曲線；據所述第一預測曲線，確定其中至少一個極值點；當所述極值點滿足預設條件，對所述極值點的數值進行修正，獲得第二預測曲線。通過對預設模型對應的預測值的修正，從而提高熱負荷預測的準確性。

技術領域

本發明屬于熱能技術領域，尤其涉及一種優化熱負荷預測方法及裝置。

背景技術

現有技術中蒸汽供應用戶分為工業、商業、居民、辦公等，不同用戶的蒸汽負荷、負荷量級、負荷特點都不盡相同，負荷預測的準確性關乎優化調度、關乎運營策略。

目前常見的熱負荷預測方法有很多，包括指數平滑、自回歸積分滑動平均模型(Autoregressive Integrated Moving Average Model,ARIMA模型)、神經網絡、長短期記憶網絡(LSTM，Long Short-Term Memory)等。

其中深度學習算法LSTM，其對數據具有記憶功能，因此可以取得不錯的預測結果，但同時預測結果相對真實數據存在時間上的滯后性，因此會導致預測不準確。

發明內容

有鑒于此，本發明實施例提供了一種優化熱負荷預測方法、裝置、終端設備及計算機可讀存儲介質，以解決現有技術中預測結果相對真實數據存在時間上的滯后性的技術問題。

本發明實施例的第一方面，提供了一種優化熱負荷預測方法，包括：

利用預設的預測模型，根據樣本數據，確定所述樣本數據對應的第一預測曲線；

根據所述第一預測曲線，確定所述第一預測曲線中至少一個極值點；

當所述極值點滿足預設條件，對所述極值點的數值進行修正，獲得第二預測曲線。

本發明實施例的第二方面，提供了一種優化熱負荷預測裝置，包括：

預測模塊，用于利用預設的預測模型，根據樣本數據，確定所述樣本數據對應的第一預測曲線；

確定極值點模塊，用于根據所述第一預測曲線，確定其中至少一個極值點；

修正模塊，用于當所述極值點滿足預設條件，對所述極值點的數值進行修正，獲得第二預測曲線。

本發明實施例的第三方面，提供了一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現所述物聯設備數據模擬方法的步驟。

本發明實施例的第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現所述物聯設備數據模擬方法的步驟。

本發明實施例提供的一種優化熱負荷預測方法的有益效果至少在于：本發明實施例首先利用預設的預測模型，根據樣本數據，確定所述樣本數據對應的第一預測曲線，其次根據所述第一預測曲線，確定所述第一預測曲線中至少一個極值點，然后當所述極值點滿足預設條件，對所述極值點的數值進行修正，獲得第二預測曲線。經過修正預測結果，解決了其與相對真實數據時間上的滯后性技術問題，提高了熱負荷預測的準確性。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。

圖1是本發明實施例提供的一種優化熱負荷預測方法的實現流程示意圖；

圖2是本發明實施例提供的確定極值點的流程示意圖；