一种基于特征优化迁移的用电负荷预测方法及系统技术方案

本发明专利技术提供了一种基于特征优化迁移的用电负荷预测方法及系统，属于用电负荷预测技术领域。所述方法，包括：获取目标域建筑用电负荷数据；根据获取的目标域建筑用电负荷数据，结合经权重迁移的目标域用电负荷预测模型，得到未来某一时段的目标域建筑用电负荷预测数据。本发明专利技术通过迁移优化同类型源域建筑现有的用电负荷精准性较高的预测模型权重，对目标域建筑进行用电负荷预测，在节省时间精力的同时进一步提高负荷预测精度。一步提高负荷预测精度。一步提高负荷预测精度。

【技术实现步骤摘要】
一种基于特征优化迁移的用电负荷预测方法及系统


[0001]本专利技术涉及用电负荷预测
，特别涉及一种基于特征优化迁移的用电负荷预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]建筑用电负荷精准预测可以帮助电能系统运行管理，促进了建筑能源合理利用，对建筑用电负荷预测时，预测模型的权重是影响预测精度的关键。
[0004]例如，专利号CN108537379B公开了一种自适应变权重组合负荷预测方法及装置，其基于多种预测方法的日前负荷预测建模，得到多个单一日前负荷预测模型，基于多个单一日前负荷预测模型建立日前负荷组合预测模型，基于强化学习对所述日前负荷组合预测模型的权重进行更新。
[0005]专利技术人发现，预测精度高且合理的预测模型权重需要经过反复的调试才可以得到最佳的权重，往往浪费大量的时间以及精力；而上述自适应变权重组合预测的方案需要根据多个不同的预测方法构建组合预测模型，然后再采用其他算法进行权重的更新，其对权重的优化只能是基于已构建的组合模型，无法实现对权重的精细化优化，而且依然需要进行反复的调试才能实现权重优化。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了一种基于特征优化迁移的用电负荷预测方法及系统，通过迁移优化同类型源域建筑现有的且用电负荷精准性较高的预测模型权重，对目标域建筑进行用电负荷预测，在节省时间精力的同时进一步提高负荷预测精度。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术创新性的提出了一种基于特征优化迁移的用电负荷预测方法。
[0009]一种基于特征优化迁移的用电负荷预测方法，包括以下过程：
[0010]获取目标域建筑用电负荷数据；
[0011]根据获取的目标域建筑用电负荷数据，结合经权重迁移的目标域用电负荷预测模型，得到未来某一时段的目标域建筑用电负荷预测数据；
[0012]其中，所述权重迁移为：
[0013]计算各个源域建筑用电负荷数据与目标域建筑用电历史负荷数据的相关性，保留相关性大于设定阈值的源域建筑用电负荷数据；
[0014]对保留的各个源域建筑用电负荷数据分别进行源域用电负荷预测模型的训练，得到各个源域用电负荷预测模型的权重；
[0015]对得到的各个权重，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重。
[0016]作为本专利技术第一方面进一步的限定，目标域建筑与各个源域建筑的类型相同。
[0017]作为本专利技术第一方面进一步的限定，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重，包括：
[0018]采用粒子群优化算法确定各个权重是否都需要迁移，得到需要迁移的权重数量以及对应的子权重，各个子权重与对应的权重相乘再求加和后，得到迁移到目标域用电负荷预测模型的权重。
[0019]作为本专利技术第一方面更进一步的限定，粒子群优化算法中，以目标域建筑用电负荷数据真实值与目标域建筑用电负荷数据预测值的差异最小为目标；
[0020]优化变量包括两部分，第一部分为确定某个源域建筑用电负荷数据预测模型的权重；第二部分为如果某个源域建筑用电负荷数据预测模型的权重采用，则对该权重赋予子权重，各个子权重的加和为1。
[0021]本专利技术第二方面提供了一种基于特征优化迁移的用电负荷预测系统。
[0022]一种基于特征优化迁移的用电负荷预测系统，包括：
[0023]数据获取模块，被配置为：获取目标域建筑用电负荷数据；
[0024]负荷预测模块，被配置为：根据获取的目标域建筑用电负荷数据，结合经权重迁移的目标域用电负荷预测模型，得到未来某一时段的目标域建筑用电负荷预测数据；
[0025]其中，所述权重迁移为：
[0026]计算各个源域建筑用电负荷数据与目标域建筑用电历史负荷数据的相关性，保留相关性大于设定阈值的源域建筑用电负荷数据；
[0027]对保留的各个源域建筑用电负荷数据分别进行源域用电负荷预测模型的训练，得到各个源域用电负荷预测模型的权重；
[0028]对得到的各个权重，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重。
[0029]作为本专利技术第二方面进一步的限定，负荷预测模块中，目标域建筑与各个源域建筑的类型相同。
[0030]作为本专利技术第二方面进一步的限定，负荷预测模块中，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重，包括：
[0031]采用粒子群优化算法确定各个权重是否都需要迁移，得到需要迁移的权重数量以及对应的子权重，各个子权重与对应的权重相乘再求加和后，得到迁移到目标域用电负荷预测模型的权重。
[0032]作为本专利技术第二方面进一步的限定，负荷预测模块中，粒子群优化算法中，以目标域建筑用电负荷数据真实值与目标域建筑用电负荷数据预测值的差异最小为目标；
[0033]优化变量包括两部分，第一部分为确定某个源域建筑用电负荷数据预测模型的权重；第二部分为如果某个源域建筑用电负荷数据预测模型的权重采用，则对该权重赋予子权重，各个子权重的加和为1。
[0034]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的基于特征优化迁移的用电负荷预测方法中的步骤。
[0035]本专利技术第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并
可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的基于特征优化迁移的用电负荷预测方法中的步骤。
[0036]与现有技术相比，本专利技术的有益效果是：
[0037]1、本专利技术将同类型的源域建筑用电负荷数据依次输入训练模型，在保证预测精度阈值前提下得到相应的预测结果及预测模型权重，解决了对不同类型建筑用电负荷特征进行迁移学习所造成的无法有效调整的问题。
[0038]2、本专利技术进行两次源域建筑的选取，第一次是通过源域建筑与目标域建筑用电负荷数据的相关性分析，剔除部分源域建筑用电负荷数据；第二次是通过粒子群智能优化算法对保留的源域建筑进行优化选择，进一步缩小源域建筑范围，进而提高了目标域建筑用电负荷数据的预测精度。
[0039]3、本专利技术将最终确定的源域建筑预测模型的权重直接迁移至目标域用电负荷预测模型，对目标域建筑用电负荷数据进行预测，减少了传统负荷预测模型权重调试环节，提高了预测效率和精度。
[0040]4、本专利技术利用卷积神经网络
‑
门控循环神经网络(CNN
‑
GRU)进行负荷预测，在保证负荷预测精度的同时精简网络结构，CNN
‑
GRU相较于以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征优化迁移的用电负荷预测方法，其特征在于，包括以下过程：获取目标域建筑用电负荷数据；根据获取的目标域建筑用电负荷数据，结合经权重迁移的目标域用电负荷预测模型，得到未来某一时段的目标域建筑用电负荷预测数据；其中，所述权重迁移为：计算各个源域建筑用电负荷数据与目标域建筑用电历史负荷数据的相关性，保留相关性大于设定阈值的源域建筑用电负荷数据；对保留的各个源域建筑用电负荷数据分别进行源域用电负荷预测模型的训练，得到各个源域用电负荷预测模型的权重；对得到的各个权重，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重。2.如权利要求1所述的基于特征优化迁移的用电负荷预测方法，其特征在于，目标域建筑与各个源域建筑的类型相同。3.如权利要求1所述的基于特征优化迁移的用电负荷预测方法，其特征在于，识别需要迁移的权重并确定各个需要迁移的权重对应的子权重，进而得到用于迁移到目标域用电负荷预测模型的权重，包括：采用粒子群优化算法确定各个权重是否都需要迁移，得到需要迁移的权重数量以及对应的子权重，各个子权重与对应的权重相乘再求加和后，得到迁移到目标域用电负荷预测模型的权重。4.如权利要求3所述的基于特征优化迁移的用电负荷预测方法，其特征在于，粒子群优化算法中，以目标域建筑用电负荷数据真实值与目标域建筑用电负荷数据预测值的差异最小为目标；优化变量包括两部分，第一部分为确定某个源域建筑用电负荷数据预测模型的权重；第二部分为如果某个源域建筑用电负荷数据预测模型的权重采用，则对该权重赋予子权重，各个子权重的加和为1。5.一种基于特征优化迁移的用电负荷预测系统，其特征在于，包括：数据获取模块，被配置为：获取目标域建筑用电负荷数据；负荷预测模块，被配置为：根据获取的目标域建筑用电负荷数据，结合经权重迁移的目标域用电负荷预测模型，得到未来某一时段的目标域建筑用电负荷预测数据；...

【专利技术属性】
技术研发人员：王瑞琪，邵珠亮，牟强，范云鹏，王明远，梁慧媛，迟青青，邵壮，
申请(专利权)人：山东建筑大学山东省新能源产业协会，
类型：发明
国别省市：