【技术实现步骤摘要】
本专利技术属于电力消耗预测术与环境建模领域，涉及一种基于土地利用的电力消耗表征与预测方法及系统。
技术介绍
1、电力消耗的表征与预测对于区域发电、电价设置、可再生能源植入以及能源系统优化和管理有积极作用。因此，开展多尺度(国家、省、市、区县、乡镇街道、园区)电力消耗预测具备极强的理论和实践意义。目前，进行电力消费表征预测的方法包括下列几种：
2、1)社会经济指标：基于统计年鉴中的经济、人口等统计结果，建立电力消费与上述指标的关系(包括：bpnn等)，并进行情境预设与预测。除此之外，还有采用lstm等时间序列预测的方法。
3、2)夜间灯光数据：基于dmsp/ols和npp/viirs夜间灯光数据集，采用机器学习模型建立夜间灯光与电力消耗的关系。随后，通过时间序列预测进行夜间灯光预测，进而预测电力消费。
4、然而，针对第一种方法：社会经济指标之间存在复杂的自相关和多重共线性，因此在模型构建时难以很好地保证自变量的独立性，这使得模型泛化能力不足、可解释性不足。除此之外，社会经济指标本身难以调整，对于具体策略...
【技术保护点】
1.一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，包括：模块一：数据预处理模块、模块二：土地功能识别/土地利用精细化处理模块、模块三：土地利用-电力消费可解释性机器学习模型构建模块、模块四：未来土地利用预测模块、模块五：电力表征/预测与策略提出模块；
2.根据权利要求1所述的一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，所述模块一预处理后生成数据集包括：气象参数数据集、社会经济面板数据集、土地利用规划地理数据集、长时间序列矢量POI地理数据集、建成区街区图斑矢量数据集、空间参数数据集、长时间序列地级市/研究区电力消费数据集；所述...
【技术特征摘要】
1.一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，包括：模块一：数据预处理模块、模块二：土地功能识别/土地利用精细化处理模块、模块三：土地利用-电力消费可解释性机器学习模型构建模块、模块四：未来土地利用预测模块、模块五：电力表征/预测与策略提出模块；
2.根据权利要求1所述的一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，所述模块一预处理后生成数据集包括：气象参数数据集、社会经济面板数据集、土地利用规划地理数据集、长时间序列矢量poi地理数据集、建成区街区图斑矢量数据集、空间参数数据集、长时间序列地级市/研究区电力消费数据集；所述气象参数数据集、社会经济面板数据集、土地利用规划地理数据集、长时间序列矢量poi地理数据集、空间参数数据集作为输入数据输送至所述模块二的数据输入端后，模块二生成全局范围土地利用精细化处理结果；所述长时间序列矢量poi地理数据集作为输入数据输送至所述模块四的数据输入端后，模块四生成现有发展情境下未来土地利用预测结果；所述长时间序列地级市/研究区电力消费数据集作为输入数据输送至所述模块三；所述气象参数数据集、全局范围土地利用精细化处理结果、现有发展情境下未来土地利用预测结果作为输入数据输送至所述模块五用于辅助策略制定。
3.根据权利要求1所述的一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，所述模块一对于初始数据进行预处理的步骤包括：在处理气象与地热测试参数时，采用地理插值法得到覆盖研究区范围的气候气象与地热栅格数据集；在处理社会经济指标时，若第n年的数据缺失，而n-1年和n+1年存在，则采用线性插值法，否则采用arima插值法；土地利用的标识数据提取后，通过产生地理的链接使得结果带有地理坐标；poi数据和地名特征数据通过python获取；统计年鉴数据采用与所述社会经济指标相同的插值方法。
4.根据权利要求1所述的一种基于土地利用的电力消耗表征与预测方法及系统，其特征在于，所述模块二的精细化处理步骤包括：将预处理后的poi数据计算核密度，并将核密度结果作为训练数据集的自变量x，将标识后的土地利用数据作为训练数据集的因变量y，将两者的交集作为训练样本；采用人工神经网络...
【专利技术属性】
技术研发人员：杨肖虎，罗海智，孟祥兆，余喆辰，罗昔联，刘天野，贾国圣，程芳欣，
申请(专利权)人：西安交通大学，
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。