[發明專利]用電量預測方法、設備及存儲介質

在審

• 申請號: 202011472138.3
• 申請日: 2020-12-14
• 公開（公告）號: CN112529301A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 趙振崇;薛鵬
• 申請（專利權）人: 南京中興力維軟件有限公司;深圳力維智聯技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/00;G06N3/04
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 孔德丞

本發明公開了用電量預測方法、設備及存儲介質，該方法包括：在預設時段內獲取同類型的所有企業用戶各個月度的歷史用電量數據；根據同類型的所有企業用戶各個月度的歷史用電量數據，生成訓練數據集和驗證數據集；采用訓練數據集對預設模型集進行訓練，得到集成預測模型；獲取集成預測模型輸出的預測結果；根據驗證數據集和預測結果，對目標企業用戶的未來月度的用電量進行預測。本發明能夠準確的預測出企業用戶未來月度的企業用電量，為電網集中調控運營以及用戶端的年度購電提供依據。

技術領域

本發明涉及電量預測技術領域，尤其涉及一種用電量預測方法、設備及存儲介質。

背景技術

隨著國家和社會的高速發展，電力能源極大提高了人們的生產和生活的便利性。工業用電量與社會經濟的發展密切相關，且在社會用電中占很大的比重。通過對工業用電量進行預測，趨勢分析，可以有效判斷全社會用電量的發展趨勢，進而對經濟形勢進行預估和評判。

目前，對于電力系統的用電量預測(包括全社會用電量、工業用電量及各行業用電量預測)，已經涌現了大量的研究成果，其中預測方法多種多樣，包括指數平滑法、向量誤差修正模型、ARIMA模型、LSTM等模型方法。預測方法基本可以分為兩類：一類是單變量時間序列預測，根據電量序列自身規律預測用電量，如灰色預測模型、一階指數平滑法、二階指數平滑、ARIMA模型等；另一類多變量時間序列預測，引入影響用電量的第三方因素，ARIMAX、LSTM等。

短期用電量受經濟環境變化、氣候變化、行業屬性、地域等因素影響，預測效果很難達到較為理想的狀態。單一的預測模型泛化能力弱，對于工業用電用戶、換個行業或者用戶，預測模型的預測結果很不理想。隨著數據量的增加，傳統單一的預測模型在算法性能和泛化能力及準確性上已經無法滿足電力系統進行用電量預測的要求。

發明內容

本申請實施例通過提供一種用電量預測方法、設備及存儲介質，旨在解決隨著數據量的增加，傳統單一的預測模型在算法性能和泛化能力及準確性上已經無法滿足電力系統進行用電量預測的要求的問題。

本申請實施例提供了一種用電量預測方法，所述用電量預測方法，包括：

在預設時段內獲取同類型的所有企業用戶各個月度的歷史用電量數據；

根據所述同類型的所有企業用戶各個月度的歷史用電量數據，生成訓練數據集和驗證數據集；

采用所述訓練數據集對預設模型集進行訓練，得到集成預測模型；所述集成預測模型包括多個不同類型的時間序列預測模型；

獲取所述集成預測模型輸出的預測結果；

根據所述驗證數據集和所述預測結果，對目標企業用戶的未來月度的用電量進行預測。

在一實施例中，所述歷史用電量數據包括同類型的每個企業用戶的日用電量數據，且同類型的每個企業用戶的日用電量數據關聯有日天氣數據和每個企業用戶的行業屬性。

在一實施例中，所述在預設時段內獲取同類型的所有企業用戶各個月度的歷史用電量數據，包括：

設置所述預設時段，并獲取所述同類型的所有企業用戶的日用電量數據；

對所述同類型的所有企業用戶的日用電量數據進行聚合，得到所述同類型的每個企業用戶各個月度的歷史用電量數據。

在一實施例中，所述根據所述同類型的所有企業用戶各個月度的歷史用電量數據，生成訓練數據集和驗證數據集，包括：

對所述同類型的所有企業用戶各個月度的歷史用電量數據進行修正，得到樣本數據；

根據預設拆分跨度和預設拆分長度對所述樣本數據拆分，得到多組子訓練數據集和多組子驗證數據集；

將多組所述子訓練數據集和多組所述子驗證數據集分別進行整理，得到所述訓練數據集和所述驗證數據集；