一种电力业扩项目时长的预测方法和装置制造方法及图纸

本发明专利技术涉及一种电力业扩项目时长的预测方法，包括：获取待预测的电力业扩项目时长的初始数据；将初始数据输入至训练好的混合预测模型，得到混合预测模型输出的时长预测值，其中，混合预测模型包括BP预测子模型、DBN预测子模型和ELM预测子模型；时长预测值包括BP预测子模型输出的第一时长预测值、DBN预测子模型输出的第二时长预测值和ELM预测子模型输出的第三时长预测值；根据第一时长预测值、第二时长预测值和第三时长预测值和预设的权重值，得到待预测的电力业扩项目时长。本申请通过信息熵和平均互信息确定预设的权重值，利用权重值得到训练好的混合预测模型，根据训练好的该混合预测模型，得到电力业扩项目时长。得到电力业扩项目时长。得到电力业扩项目时长。

【技术实现步骤摘要】
一种电力业扩项目时长的预测方法和装置


[0001]本专利技术涉及电力
，尤其涉及一种基于信息熵的电力业扩项目时长的预测方法和装置。

技术介绍

[0002]业扩报装是供电企业营销和配网管理的一项重要工作，随着经济的高速增长，业扩报装业务也越来越多。
[0003]目前的业扩报装流程相对单一，模式相对固定，牵连环节广泛，流程相对机械化，操作比较单一化，导致工作流程运转效率低下，增值活动时间偏长。在电力业扩项目时长的预测，涉及的数据具有规模巨大、不确定性复杂的特点，同时由于人为或者监测水平的限制必然让数据的存在一定的误差。

技术实现思路

[0004]基于此，本专利技术提供了一种基于信息熵的电力业扩项目时长的预测方法和装置，本申请利用信息熵和平均互信息确定混合预测模型的权重，利用权重和训练好的预测子模型组成基于信息熵的混合预测模型。信息熵由于其可以对整个数据进行处理，其在系统性、整体性和客观性上存在优点，因此可用于处理电力业扩项目时长预测的这类数据。可以提高预测时长的精度。
[0005]根据本申请的一些实施例的第一方面，提供了一种电力业扩项目时长的预测方法，该方法包括以下步骤：
[0006]获取待预测的电力业扩项目时长的初始数据，所述初始数据包括电力业扩项目节点和电力业扩项目费用；
[0007]将所述初始数据输入至训练好的混合预测模型，得到所述混合预测模型输出的时长预测值，其中，所述混合预测模型包括BP预测子模型、DBN预测子模型和ELM预测子模型；所述时长预测值包括所述BP预测子模型输出的第一时长预测值、所述DBN预测子模型输出的第二时长预测值和所述ELM预测子模型输出的第三时长预测值；
[0008]根据所述第一时长预测值、第二时长预测值和第三时长预测值和预设的权重值，得到所述待预测的电力业扩项目时长。
[0009]进一步地，所述根据所述时长预测值和所述权重，确定所述待预测的电力业扩项目时长，包括如下计算：
[0010]V
MPB
＝w1V
A
+w2V
B
+w3V
C
[0011]其中，VMPB表示待预测的电力业扩项目时长，V
A
,V
B
,V
C
分别为获得的所述第一时长预测值、第二时长预测值和第三时长预测值，A表示所述BP预测子模型，B表示所述DBN预测子模型，C表示所述ELM预测子模型；w1表示第一权重、w2表示第二权重、w3表示第三权重。
[0012]进一步地，训练所述混合预测模型的步骤包括：
[0013]获取历史数据，所述历史数据包括原始节点、原始费用和原始时长，将所述历史数
据按照比例随机划分为训练集和验证集；
[0014]将所述训练集中的原始节点和原始费用作为目标输入，所述训练集的原始时长作为目标输出，训练每个预测子模型，得到每个训练好的预测子模型；
[0015]将所述验证集分别输入至每个训练好的预测子模型中，得到每个训练好的预测子模型的信息熵和平均互信息，所述信息熵包括所述BP预测子模型的第一信息熵、所述DBN预测子模型的第二信息熵和所述ELM预测子模型的第三信息熵，所述平均互信息包括所述BP预测子模型的第一平均互信息、所述DBN预测子模型的第二平均互信息和所述ELM预测子模型的第三平均互信息；
[0016]根据所述信息熵和所述平均互信息的比值，得到所述预设的权重值，所述预设的权重值包括BP预测子模型的第一权重值、所述DBN预测子模型的第二权重值和所述ELM预测子模型的第三权重值；
[0017]得到所述第一权重值、第二权重值和第三权重值对应的混合预测模型，即为训练好的混合预测模型。
[0018]进一步地，所述将所述验证集输入每个训练好的预测子模型中，得到每个预测子模型的信息熵，包括：
[0019]将所述验证集分别输入至每个训练好的预测子模型进行预测，得到每个训练好的预测子模型的预测准确性，所述准确性的计算公式如下：
[0020][0021]其中，a
ij
是使用任意一个预测子模型j，预测验证集第i个验证数据的准确性；R
i
代表第i个验证数据的原始时长；F
ij
表示j预测子模型对第i个验证数据的时长预测值；
[0022]对于m项验证数据，j预测子模型将产生m个相应的所述精度值，筛选整数部分，得到矩阵R
mn
：
[0023]其中，r
ij
代表第j列中a
ij
的出现次数；
[0024]根据矩阵R
mn
，计算得到j预测子模型的信息熵，计算公式如下：
[0025][0026]其中，
[0027]E
j
是j预测子模型的信息熵，w
i
′
j
与p
ij
logp
ij
对应，N
j
表示在矩阵中的第j列中a
ij
大于准确率X％的数量。
[0028]进一步地，所述将所述验证集输入每个训练好的预测子模型中，得到预测子模型的平均互信息，包括：
[0029]预设r
k
＝r1，则定义阶跃函数UN(r
k
,r1)＝1，否则，UN(r
k
,r1)＝0，
[0030]其中，r
k
,r1(k＝1)是矩阵R
mn
中的两行；
[0031]定义得到向量C
mT
＝(c1,c2,
…
,c
m
)
T
，
[0032]获得预测子模型的平均互信息，计算公式如下：
[0033][0034]其中，为预测子模型中的任意两个。
[0035]进一步地，根据所述信息熵和所述平均互信息的比值，得到所述预设的权重，包括如下步骤：
[0036]根据每个预测子模型的所述信息熵和所述平均互信息，得到预测子模型的权重，计算公式如下：
[0037][0038]其中，Z是用于归一化所有基本算法的权重以确保所有权重之和为1的参数，E
j
为预测子模型的信息熵，I为预测子模型的平均互信息。
[0039]进一步地，所述BP预测子模型包括由n个神经元组成的输入层、由q个神经元组成隐含层和由m个神经元组成的输出层；
[0040]将所述训练集中的原始节点和原始费用作为目标输入，所述训练集的原始时长作为目标输出，训练每个预测子模型，得到每个训练好的预测子模型，包括：
[0041]将所述原始节点和所述原始费用输入至所述输入层，得到Sk，
[0042]其中，x
i
(i＝1,2,
…
,n)表示输入数据，v
ki
(i＝1,2,
…
,n；k＝1,2,...

【技术保护点】

【技术特征摘要】
1.一种电力业扩项目时长的预测方法，其特征在于，该方法包括以下步骤：获取待预测的电力业扩项目时长的初始数据，所述初始数据包括电力业扩项目节点和电力业扩项目费用；将所述初始数据输入至训练好的混合预测模型，得到所述混合预测模型输出的时长预测值，其中，所述混合预测模型包括BP预测子模型、DBN预测子模型和ELM预测子模型；所述时长预测值包括所述BP预测子模型输出的第一时长预测值、所述DBN预测子模型输出的第二时长预测值和所述ELM预测子模型输出的第三时长预测值；根据所述第一时长预测值、第二时长预测值和第三时长预测值和预设的权重值，得到所述待预测的电力业扩项目时长。2.根据权利要求1所述的一种电力业扩项目时长的预测方法，其特征在于，所述根据所述时长预测值和所述权重，确定所述待预测的电力业扩项目时长，包括如下计算：V
MPB
＝w1V
A
+w2V
B
+w3V
C
其中，V
MPB
表示待预测的电力业扩项目时长，V
A
,V
B
,V
C
分别为获得的所述第一时长预测值、第二时长预测值和第三时长预测值，A表示所述BP预测子模型，B表示所述DBN预测子模型，C表示所述ELM预测子模型；w1表示第一权重、w2表示第二权重、w3表示第三权重。3.根据权利要求1所述的一种电力业扩项目时长的预测方法，其特征在于，训练所述混合预测模型的步骤包括：获取历史数据，所述历史数据包括原始节点、原始费用和原始时长，将所述历史数据按照比例随机划分为训练集和验证集；将所述训练集中的原始节点和原始费用作为目标输入，所述训练集的原始时长作为目标输出，训练每个预测子模型，得到每个训练好的预测子模型；将所述验证集分别输入至每个训练好的预测子模型中，得到每个训练好的预测子模型的信息熵和平均互信息，所述信息熵包括所述BP预测子模型的第一信息熵、所述DBN预测子模型的第二信息熵和所述ELM预测子模型的第三信息熵，所述平均互信息包括所述BP预测子模型的第一平均互信息、所述DBN预测子模型的第二平均互信息和所述ELM预测子模型的第三平均互信息；根据所述信息熵和所述平均互信息的比值，得到所述预设的权重值，所述预设的权重值包括BP预测子模型的第一权重值、所述DBN预测子模型的第二权重值和所述ELM预测子模型的第三权重值；得到所述第一权重值、第二权重值和第三权重值对应的混合预测模型，即为训练好的混合预测模型。4.根据权利要求3所述的一种电力业扩项目时长的预测方法，其特征在于，所述将所述验证集输入每个训练好的预测子模型中，得到每个预测子模型的信息熵，包括：将所述验证集分别输入至每个训练好的预测子模型进行预测，得到每个训练好的预测子模型的预测准确性，所述准确性的计算公式如下：其中，a
ij
是使用任意一个预测子模型j，预测验证集第i个验证数据的准确性；R
i
代表第
i个验证数据的原始时长；F
ij
表示j预测子模型对第i个验证数据的时长预测值；对于m项验证数据，j预测子模型将产生m个相应的所述精度值，筛选整数部分，得到矩阵R
mn
：其中，r
ij
代表第j列中a
ij
的出现次数；根据矩阵R
mn
，计算得到j预测子模型的信息熵，计算公式如下：其中，E
j
是j预测子模型的信息熵，w
′
ij
与p
ij
logp
ij
对应，N
j
表示在矩阵中的第j列中a
ij
大于准确率X％的数量。5.根据权利要求3所述的一种电力业扩项目时长的预测方法，其特征在于，所述将所述验证集输入每个训练好的预测子模型中，得到预测子模型的平均互信息，包括：预设r
k
＝r1，则定义阶跃函数UN(r
k
,r1)＝1，否则，UN(r
k
,r1)＝0，其中，r
k
,r1(k＝1)是矩阵R
mn
中的两行；定义得到向量C
mT
＝(c1,c2,
…
,c
m
)
T
，获得预测子模型的平均互信息，计算公式如下：其中，J，J
′
为预测子模型中的任意两个。6.根...

【专利技术属性】
技术研发人员：林镜星，周鑫，林其雄，谢志炜，许斌斌，黄智豪，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：