面向能源管理的在家人数预测方法、系统、设备和介质技术方案

本发明专利技术公开了一种面向能源管理的在家人数预测方法、系统、设备和介质，包括：首先获取数据并对数据进行处理，数据主要包括家庭成员信息、家庭用电数据、成员离家距离数据和气象数据等；然后，构建并用获取的数据训练由3层LSTM组成的基于用电数据的在家人数预测模型、由4层LSTM组成的基于成员离家距离的在家人数预测模型；接着，构建并训练由4层DNN组成的在家人数集成预测模型，最终实现在家人数逐小时预测。本发明专利技术采用了集成学习方法，利用不同模型、不同侧面的在家人数预测结果，合成最终的预测结果，与用单一的方法进行预测相比，提高了预测方法的精度。了预测方法的精度。了预测方法的精度。

【技术实现步骤摘要】
面向能源管理的在家人数预测方法、系统、设备和介质


[0001]本专利技术涉及能源管理
，特别是涉及一种面向能源管理的 在家人数预测方法、系统、设备和介质。

技术介绍

[0002]家庭能耗占社会总能耗的30％左右，传统的家庭能源系统采用粗放 的控制方式，无论在家人数的多少，甚至是没人在家时，热水器、暖 气、开水器等设备都按跟踪设定值的方式运行，这种方法的本质是用 冗余来实现对用户需求的满足，造成了很大的能源浪费，也存在一些 安全隐患。随着智能家电、智能插座、智能开关等设备不断进入家庭， 为家庭进行能源管理，提升节能和安全水平提供了契机。
[0003]家庭能源系统控制的一个重要目的是用户满意，也就是满足用户 舒适性，显然用户是否在家、有多少人在家对家庭能源系统的控制与 运行有重要影响，以热水器为例，有较多的人在家时，热水的温度需 维持在较高的温度，以满足多人的热水需求，而在家人数少时，热水 的温度可以较低，以避免热耗，而无人在家时，热水器可以维持更低 的水温，甚至不烧制热水，因而基于在家人数确定系统的控制方案， 能促进节约大量能量。另一方面，家庭能耗的相当大部分因人的行为 而产生，预测家庭各时段在家人数，有助于预测居民能耗，为家庭侧 智能配用电提供更完善的信息支撑。
[0004]目前，家庭在家人数的预测研究尚不多见，而景区、机场、医院、 路口、车站等公众场合的人数预测研究者较多。总体上，这些人数预 测的方法分为自回归模型、传统机器学习方法、深度学习方法。这些 方法目前主要聚焦于人数时间序列特性、社会环境因素的特征和趋势， 进而预测未来时段上的人数。公共场合的人数是大量个体活动的结果， 背后隐含社会动力学规律，其自身有相对稳定的统计特征，但家庭成 员少，其随机性更强，需要计及多种与家庭成员相关的影响因素，难 以沿用已有的针对公众场合的人数预测方法。

技术实现思路

[0005]本专利技术的目的是：提供面向能源管理的在家人数预测方法、系统、 设备和介质，能够充分利用深度学习能从大量数据中提取复杂规律、 具有很好的泛化能力的特点，对多个侧面的预测信息进行融合，形成 相互校验和监督，有助于提升预测精度。
[0006]为了实现上述目的，本专利技术提供了一种面向能源管理的在家人数 预测方法，包括：
[0007]获取目标家庭的历史家庭数据和历史气象数据，其中，所述历史 家庭数据包括：家庭成员数据、家庭用电数据和家庭成员离家距离数 据；
[0008]根据所述目标家庭的历史家庭数据和历史气象数据，构建所述目 标家庭的第一在家人数集成预测模型；
[0009]获取目标家庭的历史在家人数数据，并将所述目标家庭的历史家 庭数据、历史气象数据和历史在家人数数据输入到所述第一在家人数 集成预测模型进行训练，获得所述
目标家庭的第二在家人数集成预测 模型；
[0010]获取待预测时间段内的目标家庭的实时家庭数据和实时气象数据， 并将所述实时家庭数据和实时气象数据输入到第二在家人数集成预测 模型，获得目标家庭的在家人数预测结果。
[0011]进一步地，所述根据所述目标家庭的历史家庭数据，构建所述目 标家庭的第一在家人数集成预测模型，具体为：
[0012]根据所述家庭用电数据和历史气象数据，构建基于用电数据的在 家人数预测模型；
[0013]根据所述家庭成员离家距离数据和历史气象数据，构建基于成员 离家距离的在家人数预测模型；
[0014]根据所述基于用电数据的在家人数预测模型和基于成员离家距离 的在家人数预测模型，构建所述目标家庭的第一在家人数集成预测模 型。
[0015]进一步地，所述目标家庭的历史家庭数据和历史气象数据的采集 时间不少于160天，且所述采集时间在各季节分布保持均匀。
[0016]进一步地，所述历史气象数据包括：季节数据、日历数据和天气 数据，其中；所述天气数据包括：温度、风速、湿度和降雨概率。
[0017]本专利技术还提供一种面向能源管理的在家人数预测系统，包括：数 据获取模块、构建模块、训练模块和预测模块，其中；
[0018]所述数据获取模块，用于获取目标家庭的历史家庭数据和历史气 象数据，其中，所述历史家庭数据包括：家庭成员数据、家庭用电数 据和家庭成员离家距离数据；
[0019]所述构建模块，用于根据所述目标家庭的历史家庭数据和历史气 象数据，构建所述目标家庭的第一在家人数集成预测模型；
[0020]所述训练模块，用于获取目标家庭的历史在家人数数据，并将所 述目标家庭的历史家庭数据、历史气象数据和历史在家人数数据输入 到所述第一在家人数集成预测模型进行训练，获得所述目标家庭的第 二在家人数集成预测模型；
[0021]所述预测模块，用于获取待预测时间段内的目标家庭的实时家庭 数据和实时气象数据，并将所述实时家庭数据和实时气象数据输入到 第二在家人数集成预测模型，获得目标家庭的在家人数预测结果。
[0022]进一步地，所述构建模块，具体用于：
[0023]根据所述家庭用电数据和历史气象数据，构建基于用电数据的在 家人数预测模型；
[0024]根据所述家庭成员离家距离数据和历史气象数据，构建基于成员 离家距离的在家人数预测模型；
[0025]根据所述基于用电数据的在家人数预测模型和基于成员离家距离 的在家人数预测模型，构建所述目标家庭的第一在家人数集成预测模 型。
[0026]进一步地，所述目标家庭的历史家庭数据和历史气象数据的采集 时间不少于160天，且所述采集时间在各季节分布保持均匀。
[0027]进一步地，所述历史气象数据包括：季节数据、日历数据和天气 数据，其中；所述天气数据包括：温度、风速、湿度和降雨概率。
[0028]本专利技术还提供一种计算机终端设备，包括：一个或多个处理器； 存储器，与所述处理器耦接，用于存储一个或多个程序；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 器实现如上述任一项所述的面向能源管理的在家人数预测方法。
[0029]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述任一项所述的面向能源管 理的在家人数预测方法。
[0030]本专利技术提供的一种面向能源管理的在家人数预测方法、系统、设 备和介质与现有技术相比，其有益效果在于：
[0031]1、本专利技术采用了集成学习方法，利用不同模型、不同侧面的在家 人数预测结果，合成最终的预测结果，与用单一的方法进行预测相比， 集成学习方法从原理上保证了预测方法有较好的精度。
[0032]2、充分利用深度学习能从大量数据中提取复杂规律、具有很好的 泛化能力的特点，采用LSTM、DNN等深度学习网络进行在家人数预测， 有利于提取到偶发因素对在家人数的影响规律，从而提升预测精度。 LSTM能充分挖掘时序之间的关联，家庭成员是否在家与最近的行为密 切相关，因此引入LSTM能充分挖掘在家人数在时序上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向能源管理的在家人数预测方法，其特征在于，包括：获取目标家庭的历史家庭数据和历史气象数据，其中，所述历史家庭数据包括：家庭成员数据、家庭用电数据和家庭成员离家距离数据；根据所述目标家庭的历史家庭数据和历史气象数据，构建所述目标家庭的第一在家人数集成预测模型；获取目标家庭的历史在家人数数据，并将所述目标家庭的历史家庭数据、历史气象数据和历史在家人数数据输入到所述第一在家人数集成预测模型进行训练，获得所述目标家庭的第二在家人数集成预测模型；获取待预测时间段内的目标家庭的实时家庭数据和实时气象数据，并将所述实时家庭数据和实时气象数据输入到第二在家人数集成预测模型，获得目标家庭的在家人数预测结果。2.根据权利要求1所述的在家人数预测方法，其特征在于，所述根据所述目标家庭的历史家庭数据，构建所述目标家庭的第一在家人数集成预测模型，具体为：根据所述家庭用电数据和历史气象数据，构建基于用电数据的在家人数预测模型；根据所述家庭成员离家距离数据和历史气象数据，构建基于成员离家距离的在家人数预测模型；根据所述基于用电数据的在家人数预测模型和基于成员离家距离的在家人数预测模型，构建所述目标家庭的第一在家人数集成预测模型。3.根据权利要求1所述的在家人数预测方法，其特征在于，所述目标家庭的历史家庭数据和历史气象数据的采集时间不少于160天，且所述采集时间在各季节分布保持均匀。4.根据权利要求1所述的在家人数预测方法，其特征在于，所述历史气象数据包括：季节数据、日历数据和天气数据，其中；所述天气数据包括：温度、风速、湿度和降雨概率。5.一种面向能源管理的在家人数预测系统，其特征在于，包括：数据获取模块、构建模块、训练模块和预测模块，其中；所述数据获取模块，用于获取目标家庭的历史家庭数据和历史气象数据，其中，所述历史家庭数据包括：家庭成员数据、家庭用电数据和家庭成员离家距离数...

【专利技术属性】
技术研发人员：马键，化振谦，潘峰，杨雨瑶，祁舒喆，冯霞山，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：