[發明專利]一種基于Stacking模型融合的樓宇用電量預測方法和系統

在審

• 申請號: 202011443441.0
• 申請日: 2020-12-08
• 公開（公告）號: CN112465256A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 陳長清;張天安;張小野
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10;G06N3/04;G06N3/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種基于Stacking模型融合的樓宇用電量預測方法，其特征在于，包括：

S1.收集待預測樓宇歷史時段的溫度、風力、濕度和時間信息，以及對應時段的用電量數據，作為訓練集；

S2.構建用電量Stacking集成模型；所述用電量Stacking集成模型采用Stacking模型融合算法集成多種回歸模型得到，包括第一層和第二層；其中，第一層中各個模型根據輸入的溫度、風力、濕度和時間信息，得到初始用電量預測值；第二層對第一層輸出的初始用電量預測值進行修正，得到最終的用電量預測值；

S3.以待預測樓宇歷史時段的溫度、風力、濕度和時間信息作為輸入，以對應時段的用電量數據作為期望輸出，對用電量Stacking集成模型進行訓練；

S4.將待預測的未來月度對應的溫度、風力、濕度和時間信息輸入訓練好的用電量Stacking集成模型，得到對應月度的用電量預測結果。

2.根據權利要求1所述的一種基于Stacking模型融合的樓宇用電量預測方法，其特征在于，在對用電量Stacking集成模型進行訓練之前，所述方法還包括，對訓練集進行以下預處理：填補缺失數據；剔除異常和重復數據；提取最低溫度、最高溫度；提取時間特征；對各類數據進行無量綱處理。

3.根據權利要求2所述的一種基于Stacking模型融合的樓宇用電量預測方法，其特征在于，所述時間特征包括星期、周數、小時、季節和節假日信息。

4.根據權利要求1所述的一種基于Stacking模型融合的樓宇用電量預測方法，其特征在于，所述用電量Stacking集成模型第一層包括隨機森林、KNN、LSTM、LightGBM。

5.根據權利要求4所述的一種基于Stacking模型融合的樓宇用電量預測方法，其特征在于，所述用電量Stacking集成模型第二層采用支持向量機回歸模型。

6.一種基于Stacking模型融合的樓宇用電量預測系統，其特征在于，包括：

數據集收集模塊，用于收集待預測樓宇歷史時段的溫度、風力、濕度和時間信息，以及對應時段的用電量數據，作為訓練集；

模型構建模塊，用于構建用電量Stacking集成模型；所述用電量Stacking集成模型采用Stacking模型融合算法集成多種回歸模型得到，包括第一層和第二層；其中，第一層中各個模型根據輸入的溫度、風力、濕度和時間信息，得到初始用電量預測值；第二層對第一層輸出的初始用電量預測值進行修正，得到最終的用電量預測值；

訓練模塊，用于以待預測樓宇歷史時段的溫度、風力、濕度和時間信息作為輸入，以對應時段的用電量數據作為期望輸出，對用電量Stacking集成模型進行訓練；

預測模塊，用于將待預測的未來月度對應的溫度、風力、濕度和時間信息輸入訓練好的用電量Stacking集成模型，得到對應月度的用電量預測結果。

7.根據權利要求6所述的一種基于Stacking模型融合的樓宇用電量預測系統，其特征在于，所述用電量Stacking集成模型第一層包括隨機森林、KNN、LSTM、LightGBM。

8.根據權利要求7所述的一種基于Stacking模型融合的樓宇用電量預測系統，其特征在于，所述用電量Stacking集成模型第二層采用支持向量機回歸模型。