[发明专利]一种用电量预测方法及其装置

权利要求书

1.一种用电量预测方法，其特征在于，该方法包括：

构建BP神经网络，并进行滚动预测；

将预测得到的第一预测用电量BP_n与对应时间点的实际用电量作差，得到第二误差E_n，并将其发送给误差统计及预测模块；

令一个时间周期T由n个时间点构成，在运行一个时间周期T后，利用BP神经网络预测获得第一预测用电量BP_n+1，利用第二误差E_n预测获得第三误差SA₁；

将第一预测用电量BP_n+1与第三误差SA₁耦合得到第二预测用电量Y_最终1并作为BP神经网络的输入，进行循环预测，获得第二预测值Y_最终k，将其作为用电量预测的最终预测结果；其中，n、k为时间点，k为大于等于2并且小于等于n的正整数。

2.根据权利要求1所述的用电量预测方法，其特征在于，其方法具体包括以下步骤：

S1.获取用户的历史用电量数据信息，包括电表采集的历史用电量，以及，与所述电表采集的历史用电量相对应的时间信息、环境参数信息和电价信息；

S2.将所述历史用电量数据信息作为训练集，采用自动编码器无监督学习和BP神经网络有监督学习，构建初始BP神经网络f₁；假设当前时间为t₀，以当前时间t₀所对应的真实用电量数据信息进行训练，网络输出下一时间点t₁的BP神经网络用电量预测值即第一预测用电量BP₁，其中，BP神经网络具有预测期望值即预测目标，根据预测目标与第一预测用电量BP₁之差即第一误差对BP神经网络的权重和阈值进行调整，以进行下一时间点的预测；

当预测t_n时刻的用电量时，其中n＝2，采用t_n-1时刻的时间信息、环境参数信息、电价信息以及t_n-1时刻获得的预测用电量数据即第一预测用电量BP_n-1作为网络输入，如此循环滚动，实现用电量的BP神经网络滚动预测；

其中，其滚动函数模型为：

BP₁＝f(C₀，BP₀)，n＝1；

BP_n＝f(C_n-1，BP_n-1)，n＝2；

其中，BP₀为t₀时刻所对应的真实用电量数据信息，C₀为t₀时刻所对应的时间信息、环境参数信息和电价信息；BP_n为t_n时刻的第一预测用电量，f为第一激活函数；

S3.将第一预测用电量BP_n与对应时间点的实际用电量作差，获得与BP神经网络滚动预测的用电量相对应的第二误差E_n；

S4.在运行一个时间周期T后，利用BP神经网络滚动预测获得下一时间点即t_n+1时刻的第一预测用电量BP_n+1，同时，利用误差统计及预测模块进行误差预测，获得第三误差SA₁，所述第三误差SA₁为根据第二误差E₁至E_n而预测得到；

S5.将第一预测用电量BP_n+1与第三误差SA₁耦合，得到第二预测用电量Y_最终1，并将其作为BP神经网络下一时间点的输入，同时继续获得第二误差E_n+1并将其用于下一时间点的第三误差SA₂的预测，以此类推，获得第二个时间周期内的第一预测用电量BP_n+k、第三误差SA_k、第二预测用电量Y_最终k、第二误差E_n+k，将Y_最终k作为用电量预测的最终预测结果；

其中，第三误差SA_k＝F(E₁，……，E_n+k-1)，其中，F为第二激活函数。