一种智能电网电能使用量预测方法

摘要

本发明公开一种智能电网电能使用量预测方法，首先根据用电用户种类的不同，从电能使用数据中提取相关电能使用量特征参数，并进行数据预处理；然后，构建多个神经网络分别预测各用电业务类型的电能使用量，各神经网络的参数由一种快速算法生成；最后，由各用电业务类型电能使用量计算得到预测的总电能使用量，本发明的方法充分考虑电能使用量所包含不同类型用电行为以及它们之间的内在时空关联，解决了传统预测方法对预测精度的限制问题，并且本发明的方法能够实现快速、准确地预测。

主权项

一种智能电网电能使用量预测方法，其特征在于，包括：S1、根据用电业务类型确定电能使用量特征参数；所述电能使用量特征参数表示对应用电业务类型的电能使用量；S2、确定电能使用量特征参数的时间标度，构造描述电能使用量的多时间序列其中，表示第i个电能使用量的特征参数在第t个时间点的原始电能使用量，i＝1,2,3…,M，M表示电能使用量的特征参数的总个数，t表示时间点序号；S3、根据步骤S2中确定的时间标度，得到训练时窗的长度；并在训练时窗中对进行归一化处理；S4、根据步骤S2中确定的时间标度，得到历史时窗长度；确定待预测时间点的输入向量其中，X_i,j(t)表示在第t个时间点预测第i个电能使用量特征参数时，所需输入向量的第j个数值，T表示历史时窗长度，所述T为一个周期时间长度内的单位时间标度个数；S5、初始化M个神经网络，并确定各神经网络的隐层层数与隐层节点个数；通过对第i′个神经网络的预测得到第i个电能使用量特征参数对应的用电业务类型电能使用量；所述第i′个神经网络的预测值对应第i个电能使用量特征参数对应的用电业务类型电能使用量的值；S6、判断是否需要计算各神经网络参数组；若是，则转至步骤S7，否则转至步骤S9；S7、对各神经网络进行K次训练，得到每个神经网络对应的K组参数组；S8、判断待训练神经网络是否已完成全部训练，若是，则转至步骤S9；否则转步骤S7；S9、对神经网络进行预测，具体为：通过计算得到当前时间点对于用户下一时间点各电能使用量特征参数对应的用电业务类型电能使用量的预测平均值；S10、对步骤S9得到的各电能使用量特征参数对应的用电业务类型电能使用量的预测平均值进行反归一化处理，得到原始电能使用量的预测值；S11、判断下一个时间点是否需要进行预测，若是，转至步骤S2；否则结束。