[发明专利]长期负荷预测方法及系统在审
| 申请号： | 202111275916.4 | 申请日： | 2021-10-29 |
| 公开（公告）号： | CN114066025A | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 谭瑶;张超;滕振山;左高;王志光;王彬彬;赵政嘉;王佳伟 | 申请（专利权）人： | 国电南瑞科技股份有限公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06Q50/08;G06K9/62 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 陈珉 |
| 地址： | 211106 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 长期 负荷 预测 方法 系统 | ||
1.一种长期负荷预测方法，其特征在于，包括：
获取负荷关联性影响因素数据；
将负荷关联性影响因素数据进行预处理；
将预处理后的关联性影响因素数据的特征进行融合；
将融合后的特征用于训练LightGBM模型，通过训练好的LightGBM模型对负荷进行预测。
2.根据权利要求1所述的一种长期负荷预测方法，其特征在于，所述将负荷关联性影响因素数据进行预处理：
通过式(1)对负荷关联性影响因素数据进行归一化
其中，X为负荷关联性影响因素的样本数据，Xmin为负荷关联性影响因素的样本数据最小值，Xmax为负荷关联性影响因素的样本数据最大值，X*为归一化后的负荷关联性影响因素的样本数据。
3.根据权利要求1所述的一种长期负荷预测方法，其特征在于，所述将归一化后的关联性影响因素的特征进行融合包括：
对所述关联性影响因素中和时间无关的部分通过自编码器做特征提取得到中间特征；
将关联性影响因素中剩余的和时间关联的部分中间特征进行融合得到融合特征。
4.根据权利要求3所述的一种长期负荷预测方法，其特征在于，所述中间特征的获取采用公式(2)得到
其中，Xs为输入特征，h为输出的中间特征，χ为输入空间，H为特征空间，f为χ到H的映射，g为H到χ的映射。
5.一种长期负荷预测系统，其特征在于，包括：
预处理模块，用于获取负荷关联性影响因素数据；
将负荷关联性影响因素数据进行预处理；
融合模块，用于将预处理后的关联性影响因素数据的特征进行融合；
负荷预测模块，用于将融合后的特征用于训练LightGBM模型，通过训练好的LightGBM模型对负荷进行预测。
6.根据权利要求5所述的一种长期负荷预测系统，其特征在于，
所述预处理模块执行的操作包括：通过式(1)对负荷关联性影响因素数据进行归一化
其中，X为负荷关联性影响因素的样本数据，Xmin为负荷关联性影响因素的样本数据最小值，Xmax为负荷关联性影响因素的样本数据最大值，X*为归一化后的负荷关联性影响因素的样本数据。
7.根据权利要求5所述的一种长期负荷预测系统，其特征在于，所述融合模块执行的过程包括：对所述关联性影响因素中和时间无关的部分通过自编码器做特征提取得到中间特征；
将关联性影响因素中剩余的和时间关联的部分中间特征进行融合得到融合特征。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国电南瑞科技股份有限公司，未经国电南瑞科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111275916.4/1.html，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
