[发明专利]一种基于天气大数据的能源负荷预测系统及方法

摘要

本发明提供一种基于天气大数据的能源负荷预测系统及方法，系统包括数据采集、模型学习和负荷预测三个模块，方法主要步骤包括首先，根据能源负荷所在地区，获取天气观测数据、温度传感器测温值和本地用户的智能手机的感温值，其中天气观测数据包括气温、湿度、风力、降雨量和光照强度等特征数据；其次，对获取的天气数据进行归一化处理，形成天气大数据训练集；接着，运用XGBoost梯度提升算法提取天气数据对能源负荷数据的影响权重值，然后采用基于LSTM神经网络模型构建能源负荷的预测模型；最后，结合本区域的天气预报数据，运用能源负荷的预测模型对待预测地区的能源负荷进行预测。本发明有效地改善了传统的能源负荷单一时间序列分析方法，提高了能源负荷预测精度。

主权项

一种基于天气大数据的能源负荷预测系统，其特征在于，包括数据采集模块、模型学习模块和负荷预测模块；所述数据采集模块，用于天气历史数据的采集和历史能源负荷数据的采集，所述天气历史数据包括气温、湿度、风力、降雨量和光照强度，所述能源负荷历史数据包括气象局对本地区的历史观测数据、本地区温度传感器装置的测量值以及本地用户智能手机的温度感知值；此外，所述数据采集模块还需采集按照时间序列的历史能源负荷数据；所述模型学习模块，用于将采集的数据作为训练数据集，进而学习出能源负荷预测的模型；所述能源负荷预测的模型用于对获取的天气数据进行归一化处理，形成以温度、湿度、风力、降雨量和光照强度为特征并以时间为序列的天气大数据训练集；获取历史能源负荷数据，运用梯度提升算法分析历史能源负荷数据和历史天气数据的相关性，提取影响不同能源负荷的天气特征权重值；基于提取的天气特征，建立能源负荷的预测模型；所述负荷预测模块，用于根据能源负荷的预测模型，结合所要预测地区的天气预报数据，给出预测的能源负荷结果。