【技术实现步骤摘要】
一种基于DBN深度置信网络的用能需求侧能耗预测方法
[0001]本专利技术涉及一种基于DBN深度置信网络的用能需求侧能耗预测方法，属于能耗预测
技术介绍
[0002]能源是人类活动的物质基础。我国人均能源资源在世界上处于较低水平。同时，由于资金、技术、能源价格等因素，能源利用效率低于一些发达国家。目前，我国能源利用监测监管体系还不完善，能源使用情况难以实时控制和可视化。
[0003]能耗预测是高效能源系统规划和运行的重要组成成分，大量的运行决策都是基于能耗预测，如调度计划、发电量、可靠性分析以及维护计划等。准确的能耗预测有助于发掘用户参与需求响应、降低能源浪费和尖峰负荷管理的机会，提高能源利用率。
[0004]能耗预测是在充分考虑到各种影响因素和满足一定精度要求的情况下，利用系统的数学方法，确定未来某特定时刻的能耗值或某特定时段的平均能耗值，能耗值具有非平稳性和非线性，且存在大量干扰，使得能耗预测的准确度很难提高。
[0005]目前能耗预测方法主要有统计分析、时间序列法、支持向量机、BP人工...
【技术保护点】
【技术特征摘要】
1.一种基于DBN深度置信网络的用能需求侧能耗预测方法，其特征在于，包括以下步骤：采集用能需求侧不同能耗类别的历史用能数据作为原始数据集；基于BIRTH聚类算法，对不同能耗类别的原始数据进行泛化处理，得到不同能耗类别的原始数据的若干聚类结果，对各聚类结果添加用能标签；构建DBN深度置信网络，收集历史气象数据，并将历史气象数据、历史用能数据和聚类结果根据聚类结果的用能类型标签划分为若干组训练样本集，将各组训练样本集作为DBN深度置信网络的输入，设置对应用能类型标签数量的工作组，各工作组分别通过各组训练样本集进行训练，得到训练好的对应不同用能类型的若干子DBN能耗预测模型；获取目标用能需求侧的用能数据和气象数据，根据用能数据匹配用能类型，将用能数据和气象数据输入至对应用能类型的子DBN能耗预测模型中，输出未来能耗预测值。2.根据权利要求1所述的一种基于DBN深度置信网络的用能需求侧能耗预测方法，其特征在于，所述基于BIRTH聚类算法，对不同能耗类别的原始数据进行泛化处理，得到不同能耗类别的原始数据的若干聚类结果，对各聚类结果添加用能标签的方法具体为：基于BIRTH聚类算法，将不同能耗类别的训练样本集分发至对应能耗类别的工作区，在各个工作区中基于对应的训练样本集建立CF
‑
Tree；将每个CF
‑
Tree的子节点中的CF特征作为新的数据节点，取出K个数据作为K
‑
means聚类算法的初始中心点，在每个工作区执行以新的数据节点为输入的K
‑
means聚类算法，迭代更新K中心点值，判断是否达到迭代条件，若满足条件，则输出每个工作区的聚类结果；若不满足条件则继续更新K中心值；根据获得的聚类结果，得到K类用能规律曲线，通过任一用能规律曲线的波峰大小、波峰频率和波峰位置判断用能类型，并对对应的聚类结果添加用能类型标签。3.根据权利要求2所述的一种基于DBN深度置信网络的用能需求侧能耗预测方法，其特征在于，在各个工作区中基于对应的训练样本集建立CF
‑
Tree之前，还包括对原始数据预处理步骤，具体包括：对原始数据中的坏数据进行分类处理；对原始数据中的缺失数据进行补缺处理；对原始数据进行数据规范化处理。4.根据权利要求1所述的一种基于DBN深度置信网络的用能需求侧能耗预测方法，其特征在于：各所述子DBN能耗预测模型的训练方式为离线训练；通过各所述子DBN能耗预测模型进行目标用能需求侧的能耗预测的方式为在线预测。5.一种基于DBN深度置信网络的用能需求侧能耗预测系统，其特征在于，包括：原始数据采集模块，用于采集用能需求侧不同能耗类别的历史用能数据作为原始数据集；BIRTH聚类模块，用于基于BIRTH聚类算法，对不同能耗类别的原始数据进行泛化处理，得到不同能耗类别的原始数据的若干聚类结果，对各聚类...
【专利技术属性】
技术研发人员：刘威，詹超，谭阿峰，陈清雷，叶瀚，倪堂森，
申请(专利权)人：国网信息通信产业集团有限公司，
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。