[發(fā)明專利]一種基于Stacking模型融合的樓宇用電量預(yù)測(cè)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011443441.0
• 申請(qǐng)日: 2020-12-08
• 公開(kāi)（公告）號(hào): CN112465256A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 陳長(zhǎng)清;張?zhí)彀?/a>;張小野
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N20/10;G06N3/04;G06N3/08
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 李智

本發(fā)明公開(kāi)了一種基于Stacking模型融合的樓宇用電量預(yù)測(cè)方法和系統(tǒng)，屬于樓宇用電量預(yù)測(cè)領(lǐng)域。本發(fā)明采用Stacking模型融合算法集成多種回歸模型，構(gòu)建用電量Stacking集成模型，集成了多種模型的優(yōu)勢(shì)，減少了預(yù)測(cè)偏差；針對(duì)用電量不穩(wěn)的樓宇，利用了歷史用電量、溫度、風(fēng)力、濕度、時(shí)間信息等多種影響因素，訓(xùn)練用電量Stacking集成模型，提高了預(yù)測(cè)的精準(zhǔn)度，有利于樓宇的管理者對(duì)大樓能耗進(jìn)行有效的管控，避免出現(xiàn)耗電量與預(yù)估電量相差太大的情況，在參與電力市場(chǎng)交易時(shí)合理預(yù)估和購(gòu)買，使樓宇管理者有效控制電費(fèi)支出，同時(shí)也便于電力部門或售電公司的售電安排，既能達(dá)到節(jié)能減排的效果，又有良好的社會(huì)效益和經(jīng)濟(jì)效益。

技術(shù)領(lǐng)域

本發(fā)明屬于樓宇用電量預(yù)測(cè)領(lǐng)域，更具體地，涉及基于Stacking模型融合的樓宇用電量預(yù)測(cè)方法和系統(tǒng)。

背景技術(shù)

樓宇月度用電量預(yù)測(cè)屬于時(shí)間序列預(yù)測(cè)類型。時(shí)間序列是一組依賴于時(shí)間的隨機(jī)變量，這組變量之間具有依存關(guān)系，相關(guān)特性表明了預(yù)測(cè)對(duì)象發(fā)展的延續(xù)性。將其中所蘊(yùn)含的自相關(guān)特性用數(shù)學(xué)模型描述出來(lái)，就可以利用時(shí)間序列的過(guò)去值和現(xiàn)在值預(yù)測(cè)未來(lái)的值。

樓宇月度用電量預(yù)測(cè)現(xiàn)有技術(shù)中，預(yù)測(cè)手段大多采用多變量的回歸手段進(jìn)行預(yù)測(cè)，通過(guò)對(duì)當(dāng)?shù)氐木用窳颗c生活水平進(jìn)行多變量的建模，使得預(yù)測(cè)的殘差和最小而得到一個(gè)模型?；蛘呤褂肧VM算法進(jìn)行一定的逼近，將預(yù)測(cè)的影響因子投射到不同的維度之上，從而可以預(yù)測(cè)較之多變量回歸更加不穩(wěn)定的月度用電量系統(tǒng)。也有通過(guò)時(shí)間序列的自回歸滑動(dòng)平均模型(ARMA)，由于ARMA模型只關(guān)注時(shí)間序列帶來(lái)的本身的影響，忽略了許多干擾因子而限制了實(shí)際月度用電量預(yù)測(cè)中的有效性，比如氣溫、天氣、是否屬于節(jié)假日等。

這些方法各有各的優(yōu)點(diǎn)，也各有各的缺陷，總體來(lái)說(shuō)這些方法對(duì)歷史數(shù)據(jù)準(zhǔn)確性要求較高，在耗電穩(wěn)定的區(qū)域預(yù)測(cè)效果較好，但是在外源性因素(天氣變化、節(jié)假日)作用之下，存在較大的預(yù)測(cè)誤差。

以寫(xiě)字樓為例，寫(xiě)字樓電力系統(tǒng)是一個(gè)復(fù)雜的實(shí)時(shí)動(dòng)態(tài)系統(tǒng)，復(fù)雜多變的影響因素使得寫(xiě)字樓電力系統(tǒng)在運(yùn)行過(guò)程中的穩(wěn)定性和安全性大大降低。同時(shí)，寫(xiě)字樓的用電不同于普通居民用電，它受到季節(jié)、溫度、節(jié)假日和外界環(huán)境等多種因素的影響，比如在季節(jié)交替時(shí)，用電量會(huì)出現(xiàn)較大幅度波動(dòng)，這主要是因?yàn)槎敬嬖诠┡枨螅募緞t存在供冷需求；再比如室內(nèi)空間的大小，活動(dòng)人員的多少會(huì)影響室內(nèi)溫度；寫(xiě)字樓設(shè)備隨著時(shí)間的推移存在損耗等。因此，寫(xiě)字樓電力系統(tǒng)，受到季節(jié)、節(jié)假日、辦公樓人數(shù)、設(shè)備損耗等多種因素影響，電力系統(tǒng)月度用電量并不完全趨于穩(wěn)定，所以使用傳統(tǒng)的單個(gè)模型來(lái)進(jìn)行用電量預(yù)測(cè)無(wú)法結(jié)合多種模型的優(yōu)點(diǎn)，并且預(yù)測(cè)結(jié)果與實(shí)際用電量存在較大偏差，不能讓模型具有較強(qiáng)的泛化能力。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種基于Stacking模型融合的樓宇用電量預(yù)測(cè)方法和系統(tǒng)，其目的在于解決現(xiàn)有方法針對(duì)電力使用狀態(tài)不穩(wěn)定情況下的樓宇用電量預(yù)測(cè)，存在較大預(yù)測(cè)誤差的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種基于Stacking模型融合的樓宇用電量預(yù)測(cè)方法，包括：

S1.收集待預(yù)測(cè)樓宇歷史時(shí)段的溫度、風(fēng)力、濕度和時(shí)間信息，以及對(duì)應(yīng)時(shí)段的用電量數(shù)據(jù)，作為訓(xùn)練集；

S2.構(gòu)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(gè)模型根據(jù)輸入的溫度、風(fēng)力、濕度和時(shí)間信息，得到初始用電量預(yù)測(cè)值；第二層對(duì)第一層輸出的初始用電量預(yù)測(cè)值進(jìn)行修正，得到最終的用電量預(yù)測(cè)值；

S3.以待預(yù)測(cè)樓宇歷史時(shí)段的溫度、風(fēng)力、濕度和時(shí)間信息作為輸入，以對(duì)應(yīng)時(shí)段的用電量數(shù)據(jù)作為期望輸出，對(duì)用電量Stacking集成模型進(jìn)行訓(xùn)練；

S4.將待預(yù)測(cè)的未來(lái)月度對(duì)應(yīng)的溫度、風(fēng)力、濕度和時(shí)間信息輸入訓(xùn)練好的用電量Stacking集成模型，得到對(duì)應(yīng)月度的用電量預(yù)測(cè)結(jié)果。