【技术实现步骤摘要】
本专利技术属于楼宇能耗预测，具体涉及一种基于timegan的楼宇用电能耗预测方法。
技术介绍
1、随着大数据和物联网技术的迅速发展，楼宇建筑中的各种设备和系统产生了大量的能耗数据，这些数据包括电力、水、燃气等能源的使用情况，在这当中电力能源的使用尤为突出重要。在节能减排的倡导下，可持续发展理念的普及和智能建筑的兴起，楼宇用电管理和节能的需求越发重要。楼宇建筑的能耗预测技术可以帮助管理者更好地了解和掌握能耗状况，制定合理的节能策略和管理措施，提高能源利用效率和减少能耗浪费。
2、在楼宇能耗预测领域这块往往需要大量的历史能耗数据作为基础，然而获取和整理这些数据是一个挑战。对于新建的楼宇以及旧楼宇的智能化改造项目而言，所具有的数据量一般难以支撑有效的预测模型的构建。
技术实现思路
1、本专利技术的目的在于针对上述问题，提供一种基于timegan的楼宇用电能耗预测方法，采用该方法能够基于较少的数据量来生成样本以提供给预测模型以及解决异常用电样本较少的问题，同时还可以提高预测模型的准确率。
2、为实现上述目的，本专利技术的技术方案是：一种基于timegan的楼宇用电能耗预测方法，包括以下步骤：
3、步骤1、从楼宇电表设备采集工作日原始数据，将原始数据进行预处理并将其整理为时间-能耗的形式；
4、步骤2、将步骤1得到的数据通过dtw-knn聚类获取具有异常用电特征的数据集和正常用电的数据集；
5、步骤3、将步骤2得到的具有异常用电特征
6、步骤4、使用timegan模型生成具有异常用电特征的数据集并进行验证；
7、步骤5、将步骤4的得到具有异常用电特征的数据集与步骤2的正常用电的数据集按步骤2中的具有异常用电特征的数据集和正常用电的数据集的比例进行合成后，补充到步骤1数据的尾部；
8、步骤6、将步骤5得到的数据用于预测模型训练。
9、在本专利技术一实施例中，所述预处理的方式为：按每小时的时间步，周期性的采集楼宇电表设备数据，对于缺失数据和异常数据以均值方式填充。
10、在本专利技术一实施例中，所述dtw-knn聚类算法具体实现方式为：对于给定的n个时间步的时间序列a和b，以时间序列a、b分别作为x轴和y轴，获取其欧式距离，在此基础上使用以下递推公式，其中d(i,j)为欧式距离；
11、z(i,j)＝d(i,j)+min(z(i-1,j-1),z(i-1,j),z(i,j-1))
12、其中i,j是分别对应时间序列a即x轴)和时间序列b即y轴的上的某个点，以z(n,n)作为knn算法的距离参数进行聚类分析。
13、在本专利技术一实施例中，所述timegan模型采用联合训练方法，依靠3个不同的损失函数对自编码组件和对抗组件进行训练，分别为嵌入器损失lr、监督损失ls和非监督损失lu；其中lr表示嵌入器对输入数据内在特征的掌握程度；ls反映生成器和判别器的竞争对抗互动；lu反映生成器生成的数据能够逼近真实数据经过自编码器编码后的数据的程度；计算公式如下
14、
15、式中表示原始数据s和x1～xt在时间周期t下的期望分布，st为随机的静态特征向量；为原始的静态特征向量；xt为当前的随机时态特征样本；为原始的时态特征样本；t是指时间序列周期；p是指st和xt的分布；
16、
17、式中：ys、yt分别为模型得到的静态特征和动态特征的判断结果；分别为原始的静态特征以及动态特征结果；
18、
19、式中：ht、hs分别为当前随机时态特征和静态特征；zt为当前随机时态特征向量，gx表示生成器生成的时间序列数据。
20、相较于现有技术，本专利技术具有以下有益效果：本专利技术提供的一种基于timegan的楼宇用电能耗预测方法，该方法能够解决能耗数据量样本量小而无法建立有效预测模型的问题，同时利用timegan生成器生成出的异常数据样本可以使得预测模型能够对潜在的异常能耗进行预测，提高了预测模型的正确率。
本文档来自技高网...【技术保护点】
1.一种基于TimeGan的楼宇用电能耗预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于TimeGan的楼宇用电能耗预测方法，其特征在于，所述预处理的方式为：按每小时的时间步，周期性的采集楼宇电表设备数据，对于缺失数据和异常数据以均值方式填充。
3.根据权利要求1所述的一种基于TimeGan的楼宇用电能耗预测方法，其特征在于，所述DTW-KNN聚类算法具体实现方式为：对于给定的n个时间步的时间序列a和b，以时间序列a、b分别作为x轴和y轴，获取其欧式距离，在此基础上使用以下递推公式，其中d(i,j)为欧式距离；
4.根据权利要求1所述的一种基于TimeGan的楼宇用电能耗预测方法，其特征在于，所述TimeGan模型采用联合训练方法，依靠3个不同的损失函数对自编码组件和对抗组件进行训练，分别为嵌入器损失LR、监督损失LS和非监督损失LU；其中LR表示嵌入器对输入数据内在特征的掌握程度；LS反映生成器和判别器的竞争对抗互动；LU反映生成器生成的数据能够逼近真实数据经过自编码器编码后的数据的程度；计算公式如下
【技术特征摘要】
1.一种基于timegan的楼宇用电能耗预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于timegan的楼宇用电能耗预测方法，其特征在于，所述预处理的方式为：按每小时的时间步，周期性的采集楼宇电表设备数据，对于缺失数据和异常数据以均值方式填充。
3.根据权利要求1所述的一种基于timegan的楼宇用电能耗预测方法，其特征在于，所述dtw-knn聚类算法具体实现方式为：对于给定的n个时间步的时间序列a和b，以时间序列a、b分别作为x轴和y轴...
【专利技术属性】
技术研发人员：蒙龙，陈书熙，吴先利，
申请(专利权)人：中邮科通信技术股份有限公司，
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。