[发明专利]电子装置、基于决策树模型的建筑物用电负荷预测方法及存储介质

权利要求书

1.一种电子装置，其特征在于，所述电子装置包括存储器、及与所述存储器连接的处理器，所述处理器用于执行所述存储器上存储的基于决策树模型的建筑物用电负荷预测程序，所述基于决策树模型的建筑物用电负荷预测程序被所述处理器执行时实现如下步骤：

A1、接收携带建筑物标识信息的建筑物在预定义单位时间的电力负荷预测请求；

A2、根据接收到的标识信息，获取该建筑物的属性特征，所述建筑物的属性特征包括：建筑物表面积、经纬度、楼层数、各个温度测量取样点、在预定义单位时间的地面温度以及在预定义单位时间的日类型；

A3、根据预先构建的电力负荷预测模型对获取的属性特征进行分析，以预测出该建筑物在所述预定义单位时间的电力负荷值，所述预先构建的电力负荷预测模型为决策树模型，所述决策树模型的构建过程包括：获取预先确定的多个建筑物在预设时间段内的各个预定义单位时间的属性特征，并删除相同的属性特征以及具有缺失项的属性特征，以构成训练样本集，根据迭代决策树GBDT模型对训练样本集中各个预定义单位时间的属性特征进行特征组合处理，以生成对应的交叉组合属性特征，根据生成的交叉组合属性特征对逻辑回归Logistic Regression模型进行训练，以构建出所述电力负荷预测模型。

2.如权利要求1所述的电子装置，其特征在于：

所述建筑物表面积、经纬度、楼层数直接通过搜索该建筑物的简介而获得；

所述各个温度测量取样点根据该建筑物的其他属性特征进行设置；

所述在预定义单位时间的地面温度通过气象台的气象记录获得，所述建筑物在预定义单位时间的日类型包括工作日和休息日。

3.如权利要求1所述的电子装置，其特征在于，所述根据迭代决策树GBDT模型对训练样本集中各个预定义单位时间的属性特征进行特征组合处理，以生成对应的交叉组合属性特征的步骤，包括：

根据训练样本集中各个预定义单位时间的属性特征对GBDT模型进行训练，以构建具有N颗树的GBDT模型，其中，N为正整数；

根据GBDT模型中的N颗树挖掘各属性特征之间的关联关系；

根据关联关系对训练样本集中的各属性特征进行特征组合以生成交叉组合属性特征。

4.如权利要求3所述的电子装置，其特征在于，所述根据关联关系对训练样本集中的各属性特征进行特征组合以生成交叉组合属性特征的步骤，包括：

将各属性特征对应的数据依次通过GBDT模型中的N颗树，直至每个属性特征对应的数据均分配至每颗树的叶子节点；

针对GBDT模型中的每棵树，将从每棵树的根节点至叶子节点所经过的路径上所对应的属性特征对应的数据进行组合，以生成交叉组合属性特征。

5.一种基于决策树模型的建筑物用电负荷预测方法，其特征在于，所述方法包括如下步骤：

S1、接收携带建筑物标识信息的建筑物在预定义单位时间的电力负荷预测请求；

S2、根据接收到的标识信息，获取该建筑物的属性特征，所述建筑物的属性特征包括：建筑物表面积、经纬度、楼层数、各个温度测量取样点、在预定义单位时间的地面温度以及在预定义单位时间的日类型；

S3、根据预先构建的电力负荷预测模型对获取的属性特征进行分析，以预测出该建筑物在所述预定义单位时间的电力负荷值，所述预先构建的电力负荷预测模型为决策树模型，所述决策树模型的构建过程包括：获取预先确定的多个建筑物在预设时间段内的各个预定义单位时间的属性特征，并删除相同的属性特征以及具有缺失项的属性特征，以构成训练样本集，根据迭代决策树GBDT模型对训练样本集中各个预定义单位时间的属性特征进行特征组合处理，以生成对应的交叉组合属性特征，根据生成的交叉组合属性特征对逻辑回归Logistic Regression模型进行训练，以构建出所述电力负荷预测模型。

6.如权利要求5所述的基于决策树模型的建筑物用电负荷预测方法，其特征在于：

所述建筑物表面积、经纬度、楼层数直接通过搜索该建筑物的简介而获得；

所述各个温度测量取样点根据该建筑物的其他属性特征进行设置；

所述在预定义单位时间的地面温度通过气象台的气象记录获得，所述建筑物在预定义单位时间的日类型包括工作日和休息日。