System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力,尤其是指用电量预测方法、装置、电子设备及存储介质。
技术介绍
1、随着电力行业的不断发展,用户的用电需求不断增加,而合理安排用户的用电需求对于保证电网的平稳运行十分重要。但是现有的用户的用电需求往往只是根据用户以往的用电行为作出简单的预测,用电量预测的结果偏差较大,不能满足用户实际的用电需求,导致电网的运行稳定性降低。
技术实现思路
1、本专利技术的目的是克服现有技术中用户的用电需求往往只是根据用户以往的用电行为作出简单的预测,用电量预测的结果偏差较大,不能满足用户实际的用电需求,导致电网的运行稳定性降低的缺陷,提供一种用电量预测方法、装置、电子设备及存储介质。
2、本专利技术的目的是通过下述技术方案予以实现:
3、用电量预测方法,包括以下步骤:
4、步骤1,获取用户某个时间段内每个月的历史用电数据、历史环境数据和休息日数据,历史用电数据包括用户用电类型、峰谷历史用电量和当月相对于上一个月的用电量增速;
5、步骤2,基于用电量增速确定用户每个月的电力弹性系数,然后将历史用电数据、历史环境数据、休息日数据和电力弹性系数作为输入数据输入用电量预测模型,其中一部分输入数据作为训练集,另一部分输入数据作为测试集,对用电量预测模型进行训练;
6、步骤3,用电量预测模型训练完成,输出未来月用户的用电量预测结果;
7、步骤4,根据未来用户的用电量预测结果匹配相应的发电量,确保发电量满足用户的用电需求。
...【技术保护点】
1.用电量预测方法,其特征是,包括以下步骤:
2.根据权利要求1所述的用电量预测方法,其特征是,所述的步骤2中,训练集包括若干个训练样本,每个训练样本包括一个对应的下月用电量预测数据标签,每个所述训练样本还包括历史用电数据样本、历史环境数据样本和休息日数据样本;所述的用电量预测模型通过预设长短期记忆网络得出,根据多个所述训练样本对预设长短期记忆网络进行训练。
3.根据权利要求2所述的用电量预测方法,其特征是,所述的根据多个所述训练样本对预设长短期记忆网络进行训练,包括:
4.根据权利要求3所述的用电量预测方法,其特征是,所述的将所述训练样本输入至预设长短期记忆网络,输出所述训练样本对应的下月用电量预测数据,包括:
5.根据权利要求2所述的用电量预测方法,其特征是,所述的每个训练样本包括一个对应的下月用电量预测数据标签,包括:
6.用电量预测装置,其特征是,包括:
7.根据权利要求6所述的用电量预测装置,其特征是,还包括:
8.根据权利要求7所述的用电量预测装置,其特征是,所述的训练模块具体用于:<
...【技术特征摘要】
1.用电量预测方法,其特征是,包括以下步骤:
2.根据权利要求1所述的用电量预测方法,其特征是,所述的步骤2中,训练集包括若干个训练样本,每个训练样本包括一个对应的下月用电量预测数据标签,每个所述训练样本还包括历史用电数据样本、历史环境数据样本和休息日数据样本;所述的用电量预测模型通过预设长短期记忆网络得出,根据多个所述训练样本对预设长短期记忆网络进行训练。
3.根据权利要求2所述的用电量预测方法,其特征是,所述的根据多个所述训练样本对预设长短期记忆网络进行训练,包括:
4.根据权利要求3所述的用电量预测方法,其特征是,所述的将所述训练样本输入至预设长短期记忆网络,输出所述训练样本对应的下月用电量预测数据,包括:
【专利技术属性】
技术研发人员:沈志宏,张良,王泽琪,缪妙,沈旭明,魏熠铭,唐宇,
申请(专利权)人:国网浙江省电力有限公司绍兴供电公司,
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。