申请/专利权人：国网湖北省电力有限公司信息通信公司;国网湖北省电力有限公司

申请日：2024-05-30

公开（公告）日：2024-06-25

公开（公告）号：CN118246972A

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06Q50/06;G06F18/213;G06F18/22;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明涉及供电技术领域，具体涉及基于大数据的电力消费预测系统，包括：数据获取与处理模块：获取区域内的历史用电数据以及位置信息并对收集到的数据进行预处理；特征工程模块：获取数据获取与处理模块传输的数据，从数据中提取特征对用电量的影响情况；季节调控模块：分析经过特征工程处理的数据，通过季节分解来识别和调整数据中的季节性模式；消费预测模块：将经过季节调控模块调整后的数据与历史电力数据、季节性因素影响、假日影响、经济增长率影响、人口规模影响以及产业结构影响数据合并，构建用于训练和预测的时间窗口数据集。本发明利用历史数据结合经济以及人口等多源数据，进行跨领域的综合分析，更全面的理解和预测电力消费。

主权项：1.基于大数据的电力消费预测系统，其特征在于，包括：数据获取与处理模块：获取区域内的历史用电数据以及位置信息并对收集到的数据进行预处理；特征工程模块：获取数据获取与处理模块传输的数据，从数据中提取特征对用电量的影响情况；季节调控模块：分析经过特征工程处理的数据，通过季节分解来识别和调整数据中的季节性模式；消费预测模块：将经过季节调控模块调整后的数据与历史电力数据、季节性因素影响、假日影响、经济增长率影响、人口规模影响以及产业结构影响数据合并，构建用于训练和预测的时间窗口数据集，每个时间窗口包含了一段时间的历史数据以及对应的特征值，具体计算公式如下： ，其中，C表示历史电量数据，表示假日影响，表示经济增长率影响，表示人口规模影响，表示产业结构影响，n表示历史数据的时间步长，构建神经网络模型，包含输入层、隐藏层以及输出层，输入层的节点数量与时间窗口大小加上所有特征的数量相匹配，具体计算公式表示为： ，其中，表示第l层神经网络的加权输入，表示第l层神经网络的权重矩阵，表示第l层神经网络的输出值，表示第l层神经网络的偏置，f表示激活函数，通过前向传播和反向传播训练模型，更新权重和偏置，具体计算公式如下： ，其中，表示模型预测的输出，m表示数据集中样本的数量，通过梯度下降算法优化训练参数，具体计算公式如下： ，其中，表示学习率，W表示权重，B表示偏置，表示数据点的标准差，MSE表示均方误差，使用训练好的模型进行预测，将包含所有特征的新时间窗口数据输入至模型中，通过前向传播得到预测结果，具体计算公式如下： ，其中，Dt表示时间窗口数据集。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司信息通信公司;国网湖北省电力有限公司 基于大数据的电力消费预测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD