配电网投资需求预测方法、装置、终端设备及介质制造方法及图纸

本发明专利技术公开了一种配电网投资需求预测方法、装置、终端设备及介质，该方法包括：确定影响配电网投资需求的第一因素；利用关联度算法对第一因素进行筛选，得到第二因素；从配电网中获取关于第二因素的历史数据，作为训练样本；构建初始神经网络模型，利用训练样本对初始神经网络模型进行训练，生成目标预测模型；利用目标预测模型进行配电网投资需求预测。本发明专利技术通过利用影响配电网投资需求的关键因素来获取训练样本，以对初始神经网络模型进行训练，并将最终生成的目标预测模型用于配电网投资需求预测。本发明专利技术能够为配电网投资需求提供科学指导，以提高投资需求预测结果的精确度，进而提高配电网投资效益水平。进而提高配电网投资效益水平。进而提高配电网投资效益水平。

【技术实现步骤摘要】
配电网投资需求预测方法、装置、终端设备及介质


[0001]本专利技术涉及人工智能及需求预测
，尤其涉及一种配电网投资需求预测方法、装置、终端设备及介质。

技术介绍

[0002]精准的投资需求预测是支撑配电网投资决策重要环节之一，能够有效提升电网企业投资效益和效率水平。然而，现有的投资需求主要依赖于政策影响和人工规划，由于缺乏预测模型或算法的科学支撑，往往导致投资需求预测精度不足，最终出现重投入、轻收益以及超规模投资等现象，从而影响配电网投资效益水平的较好实现。

技术实现思路

[0003]本专利技术的目的在于提供一种配电网投资需求预测方法、装置、终端设备及介质，以解决现有技术中配电网投资需求预测方法由于缺乏科学指导，导致需求预测结果的精度低、进而影响配电网投资效益水平的问题。
[0004]为实现上述目的，本专利技术提供一种配电网投资需求预测方法，包括：
[0005]确定影响配电网投资需求的第一因素；
[0006]利用关联度算法对所述第一因素进行筛选，得到第二因素；
[0007]从配电网中获取关于所述第二因素的历史数据，作为训练样本；
[0008]构建初始神经网络模型，利用所述训练样本对所述初始神经网络模型进行训练，生成目标预测模型；
[0009]利用目标预测模型进行配电网投资需求预测。
[0010]作为优选地，利用鱼骨图模型确定影响配电网投资需求的第一因素。
[0011]作为优选地，所述第一因素包括内因和外因；
[0012]所述内因包括供电可靠率、线路负载率、线损率、设备利用率、电压等级及供电能力及电压合格率；
[0013]所述外因包括电源分布、电源结构、负荷特性、负荷分布、人均用电量、电力需求密度、人均GDP、经济结构、城市化率及人口总量及供电面积。
[0014]作为优选地，利用灰色斜率关联度算法对所述第一因素进行筛选，得到所述第二因素。
[0015]作为优选地，所述第二因素包括所述人均GDP、所述人均用电量、所述电力需求密度、所述线路负载率及所述供电可靠率。
[0016]作为优选地，所述初始神经网络模型为支持向量机模型。
[0017]本专利技术还提供一种配电网投资需求预测装置，包括：
[0018]第一因素确定单元，用于确定影响配电网投资需求的第一因素；
[0019]第二因素确定单元，用于利用关联度算法对所述第一因素进行筛选，得到第二因素；
[0020]训练样本获取单元，用于从配电网中获取关于所述第二因素的历史数据，作为训练样本；
[0021]模型构建单元，用于构建初始神经网络模型，利用所述训练样本对所述初始神经网络模型进行训练，生成目标预测模型；
[0022]预测单元，用于利用目标预测模型进行配电网投资需求预测。
[0023]作为优选地，所述第一因素确定单元，还用于利用鱼骨图模型确定影响配电网投资需求的第一因素。
[0024]本专利技术还提供一种终端设备，包括：
[0025]一个或多个处理器；
[0026]存储器，与所述处理器耦接，用于存储一个或多个程序；
[0027]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的配电网投资需求预测方法。
[0028]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的配电网投资需求预测方法。
[0029]相对于现有技术，本专利技术的有益效果在于：
[0030]本专利技术公开了一种配电网投资需求预测方法、装置、终端设备及介质，该方法包括：确定影响配电网投资需求的第一因素；利用关联度算法对第一因素进行筛选，得到第二因素；从配电网中获取关于第二因素的历史数据，作为训练样本；构建初始神经网络模型，利用训练样本对初始神经网络模型进行训练，生成目标预测模型；利用目标预测模型进行配电网投资需求预测。
[0031]本专利技术提供的配电网投资需求预测方法，通过利用影响配电网投资需求的关键因素来获取训练样本，以对初始神经网络模型进行训练，并将最终生成的目标预测模型用于配电网投资需求预测。本专利技术能够为配电网投资需求提供科学指导，以提高投资需求预测结果的精确度，进而提高配电网投资效益水平。
附图说明
[0032]为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1是本专利技术某一实施例提供的配电网投资需求预测方法的流程示意图；
[0034]图2是本专利技术某一实施例提供的鱼骨图模型的结构示意图；
[0035]图3是本专利技术某一实施例提供的支持向量机模型中最优超平面的结构示意图；
[0036]图4是本专利技术某一实施例提供的支持向量机模型的结构示意图；
[0037]图5是本专利技术某一实施例提供的配电网投资需求预测装置的结构示意图；
[0038]图6是本专利技术某一实施例提供的终端设备的结构示意图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
[0041]应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0042]术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0043]术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0044]请参阅图1，本专利技术某一实施例提供一种配电网投资需求预测方法。如图1所示，该配电网投资需求预测方法包括步骤S10至步骤S50。各步骤具体如下：
[0045]S10、确定影响配电网投资需求的第一因素。
[0046]本步骤中，首先确定出影响配电网投资需求的第一因素。具体地，此处的配电网主要为中低压配电网。需要说明的是，中低压配电网主要为本专利技术实施例的一个优选方式，在实际应用中可以选择其他类型的配电网进行投资需求预测，在此不作任何限定。
[0047]在一可选实施例中，为了更有使得各个第一因素之前的层次分明、条理更加清晰，优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网投资需求预测方法，其特征在于，包括：确定影响配电网投资需求的第一因素；利用关联度算法对所述第一因素进行筛选，得到第二因素；从配电网中获取关于所述第二因素的历史数据，作为训练样本；构建初始神经网络模型，利用所述训练样本对所述初始神经网络模型进行训练，生成目标预测模型；利用目标预测模型进行配电网投资需求预测。2.根据权利要求1所述的配电网投资需求预测方法，其特征在于，利用鱼骨图模型确定影响配电网投资需求的第一因素。3.根据权利要求1所述的配电网投资需求预测方法，其特征在于，所述第一因素包括内因和外因；所述内因包括供电可靠率、线路负载率、线损率、设备利用率、电压等级及供电能力及电压合格率；所述外因包括电源分布、电源结构、负荷特性、负荷分布、人均用电量、电力需求密度、人均GDP、经济结构、城市化率及人口总量及供电面积。4.根据权利要求3所述的配电网投资需求预测方法，其特征在于，利用灰色斜率关联度算法对所述第一因素进行筛选，得到所述第二因素。5.根据权利要求4所述的配电网投资需求预测方法，其特征在于，所述第二因素包括所述人均GDP、所述人均用电量、所述电力需求密度、所述线路负载率及所述供电可靠率。6.根据权利要求1
‑
5任一项所述的...

【专利技术属性】
技术研发人员：马顺，张跃，陈铭，赖来源，廖振朝，侯凯，梅诗妍，胡晋岚，李颖，高志华，江健健，张雪莹，余娜，何昌皓，郑建涵，王长伟，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：