【技术实现步骤摘要】
一种电量预测模型的模型训练方法及系统
[0001]本专利技术涉及电网预测
，具体涉及一种电量预测模型的模型训练方法及系统。
技术介绍
[0002]在电力系统中，电量预测具有重要意义。例如，通过对电量的预测分析，电力企业可以更合理地确定电量销售总定额，从而制定相关决策指导发电厂、输配电网的合理运行；准确的电量预测能够使电力企业有效地控制利润平衡。
[0003]精确的用电量预测可以为电能的生产和调度提供可靠的指导，但是现有技术的电量预测技术往往不能同时兼顾适用于不同电力应用场景和电量预测的准确性。
技术实现思路
[0004]针对上述现有技术存在的问题，本专利技术提供了一种电量预测模型的模型训练方法及系统，有效提高电量预测模型的场景适用性及所在场景下预测结果的准确性。该技术方案如下：
[0005]第一方面，提供了一种电量预测模型的模型训练方法，该方法包括如下步骤：
[0006]对于预测时长为第一预测时长的第一预测模型，分析获取与所述第一预测模型输出关联的影响因素，所述影响因素包括第一非...
【技术保护点】
【技术特征摘要】
1.一种电量预测模型的模型训练方法，其特征在于，包括：对于预测时长为第一预测时长的第一预测模型，分析获取与所述第一预测模型输出关联的影响因素，所述影响因素包括第一非时序外力影响因素、第二时序外力影响因素和第三内因影响因素；基于第一非时序外力影响因素对企业进行区域划分，对于不同区域的企业用电预测模型分别进行模型训练；基于第三内因影响因素对企业进行类别划分，对于同一区域内的不同类别企业的用电预测模型分别进行模型训练；基于第二时序外力影响因素作为第一预测模型的输入数据进行训练；对于预测时长为第二预测时长的第二预测模型，基于第二时序外力影响因素作为第二预测模型的输入数据进行训练。2.根据权利要求1所述的一种电量预测模型的模型训练方法，其特征在于，所述第一非时序外力影响因素表征与电量预测模型输出结果有关联且不随时间变化的企业所受外力影响因素，所述第二时序外力影响因素表征与电量预测模型输出结果有关联且随时间变化的企业所受外力影响因素，所述第三内因影响因素表征与企业自身属性相关的影响因素，所述第一非时序外力影响因素包括企业所在地理位置区域属性，所述第二时序外力影响因素包括天气气温和天气类别，所述第三内因影响因素包括企业用电变化曲线特征。3.根据权利要求1所述的一种电量预测模型的模型训练方法，其特征在于，所述基于第三内因影响因素对企业进行类别划分包括：获取企业的第三内因影响因素参数，所述第三内因影响因素参数包括企业的电量曲线特征参数和用电周期参数；基于企业的第三内因影响因素参数进行聚类分析，将具有相似第三内因影响因素参数的企业划分为一类。4.根据权利要求1所述的一种电量预测模型的模型训练方法，其特征在于，所述模型训练方法还包括：基于确定的模型输入数据获取用于训练过程的原始数据；对原始数据基于预设优化策略进行优化处理，获得用于模型训练过程的直接输入数据作为训练样本数据；基于训练样本数据进行模型训练过程。5.根据权利要求4所述的一种电量预测模型的模型训练方法，其特征在于，所述对原始数据基于预设优化策略进行优化处理，获得用于模型训练过程的直接输入数据作为训练样本数据，包括：基于原始数据进行失真数据分析；对失真数据，利用拟合曲线点值数据填补或替换所述失真项以优化原始数据；对原始数据进行扩增以增加训练样本量。6.根据权利要求5所述的一种电量预测模型的模型训练方法，其特征在于，所述基于原始数据进行失真数据分析，包括：S621：基于原始数据中的数据集A，在A中随机选择一个数据a作为二叉树的根节点，根据数据集A中其它数据相对于a的大小进行分类，并分别作为二叉树的两个分支中的元素，
其中a在数据集A中的最小值和最大值之间；S622：对于每个分支，选取分支元素集B中的一个数据b作为主干，并基于分支元素集B中其它数据相对于b的大小进行分类，形成新的分支，其中b在数据集B中的最小值和最大值之间；S623：重复步骤S622，直至数据集A中所有的...
【专利技术属性】
技术研发人员：范炜豪，冯卫东，张波，魏冉，张田晶子，刘兴胜，陈洵，徐兴春，鞠秋萍，王俊秀，
申请(专利权)人：国网江苏省电力有限公司泰州供电分公司，
类型：发明
国别省市：
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。