一种电力大数据下的企业电费预测方法及系统技术方案

本发明专利技术公开了一种电力大数据下的企业电费预测方法及系统，方法包括：构建长短期记忆网络模型；基于长短期基于网络模型对电费进行预测，得到企业电费预测结果。本发明专利技术能够基于长短期记忆人工神经网络的深度学习模型进行短期电费预测，以使相关人员更好的了解未来电费的变化波动情况。

【技术实现步骤摘要】
一种电力大数据下的企业电费预测方法及系统
本专利技术涉及数据处理
，尤其涉及一种电力大数据下的企业电费预测方法及系统。
技术介绍
现有的电费预测技术，多采用诸如前馈人工神经网络、支持向量机等进行短期的电费预测，网络中没有记忆单元，缺少对时序数据时间相关性的考虑。因此，如何更加有效的进行短期电费预测，以使相关人员更好的了解未来电费的变化波动情况，是一项亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种电力大数据下的企业电费预测方法，能够基于长短期记忆人工神经网络的深度学习模型进行短期电费预测，以使相关人员更好的了解未来电费的变化波动情况。本专利技术提供了一种电力大数据下的企业电费预测方法，包括：构建长短期记忆网络模型；基于所述长短期基于网络模型对电费进行预测，得到企业电费预测结果。优选地，所述构建长短期记忆网络模型，包括：获取历史电费数据，其中，所述历史电费数据包括：训练数据；基于深度学习框架构建长短期记忆网络；基于所述训练数据对所述长短期记忆网本文档来自技高网...

【技术保护点】
1.一种电力大数据下的企业电费预测方法，其特征在于，包括：/n构建长短期记忆网络模型；/n基于所述长短期基于网络模型对电费进行预测，得到企业电费预测结果。/n

【技术特征摘要】
1.一种电力大数据下的企业电费预测方法，其特征在于，包括：
构建长短期记忆网络模型；
基于所述长短期基于网络模型对电费进行预测，得到企业电费预测结果。


2.根据权利要求1所述的方法，其特征在于，所述构建长短期记忆网络模型，包括：
获取历史电费数据，其中，所述历史电费数据包括：训练数据；
基于深度学习框架构建长短期记忆网络；
基于所述训练数据对所述长短期记忆网络进行训练，得到长短期记忆网络模型。


3.根据权利要求2所述的方法，其特征在于，所述历史电费数据还包括：测试数据和验证数据，所述方法还包括：
基于所述测试数据和验证数据，使用所述长短期记忆网络模型，计算测试数据与验证数据的均方误差；
判断所述误差是否大于预设阈值，若是，则：
对所述长短期记忆网络模型的参数进行调整，得到新的用于对电费进行预测的长短期记忆网络模型。


4.根据权利要求3所述的方法，其特征在于，所述深度学习框架采用贪婪无监督逐层训练方法。


5.根据权利要求4所述的方法，其特征在于，所述训练数据、测试数据和验证数据的占比为8:1:1。


6.一种电力大数据下的企业电费预测系统，其特...

【专利技术属性】
技术研发人员：吴立，俞果，俞蓓，陈永军，鞠馨蕊，张雁，
申请(专利权)人：国网雄安金融科技集团有限公司，国网汇通金财北京信息科技有限公司，
类型：发明
国别省市：河北;13