【技术实现步骤摘要】
基于Prophet-LSTNet组合模型的供电成本分析预测方法
本专利技术涉及配电网
,尤其是指一种基于Prophet-LSTNet组合模型的供电成本分析预测方法。
技术介绍
电网供电成本预测是指根据以往的运维成本,包括人工成本、检修运维成本、营销运维成本、其他运营费用等情况对未来的形式分析,实现对未来特定时间内的成本消耗的估计,它的准确预测对于国家电网对使用成本的总体把握、资金部署和投资建设等有着非常重要的意义。目前相关研究很少,主要原因是电网规模庞大、分布地域广阔、运行条件繁琐,造成电网供电所数据波动特别大,数据短期无连续性,使得其预测非常困难。目前可用于预测的数据挖掘工具主要是一些传统统计分析方法,如时间序列分析、线性/非线性回归模型、灰色系统模型、最大熵马尔可夫模型等,其中时间序列分析方法突出了时间因素在预测中的作用,因此被广泛应用于经济预测。在时间序列分析方法中,最常用的是Box和Jenkins提出的ARIMA模型,但是以下两方面原因使得传统统计模型不能很好的预测成本变化:一方面是当数据量很大时,构建有效的输入数据结构来刻画相应成本金额非常有必要,然而传统方法要么是选取其中少量数据维度,要么忽略已有数据之间的总体关联性质,这都导致了数据的信息缺失,使得进一步的建模受到先验限制;另一方面,基于能获取的所有数据维度,传统方法无法有效提取出其中有利于预测的高维的、相互作用的有效特征,如:时间序列模型只突出时间序列而不考虑外界因素影响,这使得利用ARIMA模型预测变化较大的成本值会出现较大偏差 ...
【技术保护点】
1.基于Prophet-LSTNet组合模型的供电成本分析预测方法,其特征是,包括以下步骤:/n步骤1,获取一段时间内历史每日供电成本数据,并将供电成本数据进行数据清洗,然后将数据清洗完成后的供电成本数据输入Prophet模型;/n步骤2,通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据;/n步骤3,进行特征工程建设,对供电成本相关信息进行挖掘分析,得到供电成本数据的多维特征;/n步骤4,将供电成本数据的多维特征作为参数输入LSTNet模型,将非线性趋势成分数据输入LSTNet模型,对LSTNet模型进行训练,寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系,训练并交替更新LSTNet模型及非线性趋势成分数据权重参数;/n步骤5,通过LSTNet模型、季节性成分数据以及假日成分数据结合对供电成本进行预测,得到预测结果。/n
【技术特征摘要】
1.基于Prophet-LSTNet组合模型的供电成本分析预测方法,其特征是,包括以下步骤:
步骤1,获取一段时间内历史每日供电成本数据,并将供电成本数据进行数据清洗,然后将数据清洗完成后的供电成本数据输入Prophet模型;
步骤2,通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据;
步骤3,进行特征工程建设,对供电成本相关信息进行挖掘分析,得到供电成本数据的多维特征;
步骤4,将供电成本数据的多维特征作为参数输入LSTNet模型,将非线性趋势成分数据输入LSTNet模型,对LSTNet模型进行训练,寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系,训练并交替更新LSTNet模型及非线性趋势成分数据权重参数;
步骤5,通过LSTNet模型、季节性成分数据以及假日成分数据结合对供电成本进行预测,得到预测结果。
2.根据权利要求1所述的基于Prophet-LSTNet组合模型的供电成本分析预测方法,其
特征是,所述的数据清洗包括异常值数据清洗,异常值数据清洗的方法为首先判断数据的
正负情况,若数据为负值,则判断该数据为异常并删除,若数据为正值,则通过分位数检测
处理数据中的异常值:计算第一四分位数Q1和第三四分位数Q3,异常值是位于四分位数范
围之外的数据点,计算方式如下:
其中,,当超过异常值上限的数据使用异常值上限代替,低于异
常值下限的数据使用异常值下限代替。
3.根据权利要求1所述的基于Prophet-LSTNet组合模型的供电成本分析预测方法,其特征是,所述的步骤1中数据清洗包括缺失值数据清洗,缺失值数据清洗的方法为首先寻找缺失值相邻的若干日的供电成本数据,根据若干日的数据构建拟合曲线,然后确定缺失值对应的日期在拟合曲线上的拟合数值,该拟合数值即为缺失值匹配的供电成本数据,在历史每日供电成本数据中对该缺失值进行补充。
4.根据权利要求3所述的基于Prophet-LSTNet组合模型的供电成本分析预测方法,其特征是,还对补充的缺失值进行验证,具体方法为首先确定该缺失值对应的日期信息,确定该日期信息的数据特征,然后寻找在一段时间内所有与该日期信息的数据特征相同的其他日期的供电成本数据,并对这些数据特征相同的数据进行聚类分析,确定聚类中心点,计算补充的缺失值与距离中心点的欧式距离,若欧式距离小于设定的阈值,则确定补充的缺失值可信,若欧式距离大于等于设定的阈值,则判断不中的缺失值不可信,则重新确定缺失值相邻的若干日的供电成本数据的数量,直到确定补充的缺失值可信,或重新确定缺失值相邻的若干日的供电成本数据的数量的次数超过设定的次数为止。
5.根据权利要求1所述的基于Prophet-LSTNet组合模型的供电成本分析预测方法,其特征是,Prophet模型对供电成本数据分解成非...
【专利技术属性】
技术研发人员:王海庆,蓝飞,姚日权,孙泉辉,程嵩,金绍君,费英群,方利锋,罗哲珺,
申请(专利权)人:国网浙江省电力有限公司,国网浙江省电力有限公司湖州供电公司,
类型:发明
国别省市:浙江;33
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。