[發明專利]園區能耗預測方法，系統、設備和存儲介質

在審

• 申請號: 202010832124.1
• 申請日: 2020-08-18
• 公開（公告）號: CN111950794A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 孫成
• 申請（專利權）人: 上海儀電（集團）有限公司中央研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 上海容慧專利代理事務所(普通合伙) 31287
• 代理人: 于曉菁

1.園區能耗預測方法，其特征在于，包括以下步驟：

缺失值檢查，獲取園區能耗歷史數據，檢查漏傳、缺項專利，并采用差值補全；

異常值處理，刪除明顯超出測量范圍的錯誤數據；

統計每天峰值功率最大值，根據預處理后的園區能耗歷史數據統計每天峰值功率最大值；

建立單維度時序數據預測模型，建立基于LSTM的預測模型，所述預測模型對未來2-3天的峰值功率和每天出現峰值的時段進行預測；

添加節假日屬性進行相關性分析，基于Pearson算法計算節假日與峰值功率的相關性；

添加天氣屬性進行相關性分析，基于Pearson算法計算天氣與峰值功率的相關性；

建立多維度時序數據預測模型，集成節假日相關性和天氣相關性建立基于LSTM的預測模型對未來2-3天的峰值功率和每天出現峰值的時段進行預測。

2.如權利要求1所述的園區能耗預測方法，其特征在于，在所述單維度時序數據預測模型的建立過程中，包括以下步驟：

在每個循環周期結束以后，根據當前模型對訓練樣本的預測值計算出訓練樣本的權重；

將訓練樣本根據權重輸入模型進行下一個循環周期的模型訓練。

3.如權利要求2所述的園區能耗預測方法，其特征在于，在所述單維度時序數據預測模型的建立過程中，包括以下步驟：

集成多個循環周期訓練的模型驗證集的輸出結果；

將集成后的輸出結果與隊友的樣本標簽重組為一個新的訓練集；

將新組成的訓練集輸入模型進行訓練得到最終輸出結果。

4.如權利要求3所述的園區能耗預測方法，其特征在于，所述模型循環訓練的公式為：

其中，α(t)為循環訓練模型，α₀為初始模型，T為模型的epoch數(時期)，M為模型的循環周期數。

5.權利要求3所述的園區能耗預測方法，其特征在于，所述權重的計算公式為：

其中，設訓練集D＝{(x₁,y₁),(x₂,y₂),…,(x_m,y_m)}，p_i為模型對樣本預測的準確情況，w_i為樣本權重，β為樣本數，C為超參數，為下一個循環周期對樣本的權重。

6.園區能耗預測系統，其特征在于，包括：

數據預處理模塊，用以獲取園區能耗歷史數據，進行缺失值檢查和異常值處理；

功率統計模塊，用以根據預處理后的園區能耗歷史數據統計每天峰值功率最大值；

單維度預測模型模塊，建立基于LSTM的預測模型，所述預測模型對未來2-3天的峰值功率和每天出現峰值的時段進行預測；

相關性分析模塊，基于Pearson算法計算節假日與峰值功率、天氣與峰值功率的相關性；

多維度預測模型，集成節假日相關性和天氣相關性建立基于LSTM的預測模型對未來2-3天的峰值功率和每天出現峰值的時段進行預測。

7.一種計算機設備，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如權利要求1至5中任一項所述方法的步驟。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1至5中任一項所述方法的步驟。