The present invention discloses a training method of electricity consumption prediction model, which is suitable for execution on a computing device, including steps: obtaining the first number of historical electricity data as training data for the type of electricity for a certain type of electricity in a plurality of power consumption types, and using training data that does not correspond to the type of electricity use. The model of electricity consumption prediction model is given and the prediction value is output, and the error rate between the predicted value and the real value of each training output is calculated until the training end is finished when the error rate is less than the preset threshold, and the prediction model of electricity consumption after training is obtained. The invention discloses a power consumption prediction method and a computing device for carrying out the above method.
【技术实现步骤摘要】
用电量预测模型的训练方法
本专利技术涉及用电量预测
,更具体地,涉及用电量预测模型的训练方法、用电量预测方法及计算设备。
技术介绍
在现有的用电量预测研究中,常采用时间序列方法,根据时间序列所反映出来的发展过程、方向和趋势建立预测模型,进行类推或延伸,预测下一段时间或以后若干年内可能达到的水平。然而,仅通过大致的拟合发展趋势得到的预测模型,在经济发展水平变化等各种因素影响下的预测结果,其准确性和可靠性较低。因此,需要一种具有较强的自学习和自适应能力的用电量预测方案,能够基于用电量的历史数据,准确地测算出未来用电量。
技术实现思路
为此,本专利技术提供了用电量预测模型的训练方法、用电量预测方法及计算设备,以力图解决或者至少缓解上面存在的至少一个问题。根据本专利技术的一个方面,提供了一种用电量预测模型的训练方法,方法适于在计算设备上执行,包括步骤:针对多个用电类型中的某一用电类型,获取第一数量个历史用电数据作为该用电类型的训练数据;利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值;以及计算每次训练输出的预测值与真实值的误差率,直到误差率小于预设阈值时训练结束,得到训练后的用电量预测模型。可选地,在根据本专利技术的训练方法中,用电类型包括:第一产业用电、第二产业用电、第三产业用电和居民生活用电。可选地,在根据本专利技术的训练方法中,用电量预测模型为NAR神经网络模型。可选地,在根据本专利技术的训练方法中,用电量预测模型包括输入层、中间层和输出层共三层神经网络,其中,输入层具有第一数量个节点,中间层具有第二数量个节点,输出层只有一个节点。可 ...
【技术保护点】
一种用电量预测模型的训练方法,所述方法适于在计算设备上执行,所述方法包括步骤:针对多个用电类型中的某一用电类型,获取第一数量个历史用电数据作为该用电类型的训练数据;利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值;以及计算每次训练输出的预测值与真实值的误差率,直到所述误差率小于预设阈值时训练结束,得到训练后的用电量预测模型。
【技术特征摘要】
1.一种用电量预测模型的训练方法,所述方法适于在计算设备上执行,所述方法包括步骤:针对多个用电类型中的某一用电类型,获取第一数量个历史用电数据作为该用电类型的训练数据;利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值;以及计算每次训练输出的预测值与真实值的误差率,直到所述误差率小于预设阈值时训练结束,得到训练后的用电量预测模型。2.如权利要求1所述的训练方法,其中,所述用电类型包括:第一产业用电、第二产业用电、第三产业用电和居民生活用电。3.如权利要求1或2所述的训练方法,其中,所述用电量预测模型为NAR神经网络模型。4.如权利要求3所述的训练方法,其中,所述用电量预测模型包括输入层、中间层和输出层共三层神经网络,其中,所述输入层具有第一数量个节点,所述中间层具有第二数量个节点,所述输出层只有一个节点。5.如权利要求4所述的训练方法,其中,所述利用不同用电类型的训练数据训练对应用电类型的用电量预测模型并输出预测值的步骤包括:针对不同用电类型的训练数据,通过激活函数计算出中间层每个节点的输出...
【专利技术属性】
技术研发人员:严通煜,杨迪珊,项康利,柯圣舟,李喜兰,林红阳,曾鸣,李源非,隆竹寒,闫彤,
申请(专利权)人:国网福建省电力有限公司经济技术研究院,华北电力大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。