【技术实现步骤摘要】
电力数据预测模型构建方法、装置、设备、介质及程序
[0001]本专利技术涉及数据处理
,尤其涉及一种电力数据预测模型构建方法、装置、设备、介质及程序。
技术介绍
[0002]现代电力系统建设了一系列先进的智能监控基础设施,这些设备可以产生大量数据,对这些数据进行处理分析可以得到许多有效信息,从而得以了解电力设备的运行状况以及用户的用电情况。通过对历史数据的分析研究可以预测未来的用电数据,从而对电力设备的运行状态的改变进行一系列决策。智能电网旨在达到节约能源、降低损耗、增强电网可靠性的目的,这对电力系统的可信决策提出了更高的要求。
[0003]现有技术中有利用电力数据样本训练长短期记忆网络(LSTM),然后利用长短期记忆网络进行电力数据预测的技术方案,但是上述方案局限于单一电力系统,无法对多个电力系统进行统一调度处理,其使用范围较为局限,如果将电力数据集中进行分析利用,可能还会牵扯到法律法规、用户的隐私及数据安全,数据计算量较大的问题。
[0004]对于现有技术中电力数据预测的技术方案使用范围较为局限,跨电力系统的电力数据集中分析利用存在数据保护壁垒,数据计算量较大的缺陷,本专利技术提供电力数据预测模型构建方法、装置、设备、介质及程序。
技术实现思路
[0005]本专利技术提供一种电力数据预测模型构建方法、装置、设备、介质及程序,用以解决现有技术中电力数据预测的技术方案使用范围较为局限,跨电力系统的电力数据集中分析利用存在数据保护壁垒,数据计算量较大的缺陷。
[0006]本 ...
【技术保护点】
【技术特征摘要】
1.一种电力数据预测模型构建方法,其特征在于,包括:将上一迭代轮次得到的全局模型发送至各区块链节点;其中,所述全局模型用于进行电力数据预测;在首轮迭代的情况下,根据全局电力数据样本训练深度神经网络模型,得到初始全局模型并发送至各区块链节点;接收各区块链节点返回的局部模型;其中,所述局部模型是各区块链节点根据本地的电力数据样本训练所述上一迭代轮次得到的全局模型得到的;对所述各区块链节点返回的局部模型进行聚合,得到当前迭代轮次的全局模型;在所述当前迭代轮次的全局模型满足预设迭代停止条件的情况下,将所述当前迭代轮次的全局模型作为电力数据预测模型。2.根据权利要求1所述的电力数据预测模型构建方法,其特征在于,所述将上一迭代轮次得到的全局模型发送至各区块链节点之前,方法还包括:将待处理的电力数据样本聚类为t簇;其中,所述t为预设的整数;对于第i簇电力数据样本,判断其中正常电力数据样本的比例;其中,1≤i≤t,i为整数;在所述比例大于第一预设阈值且小于1的情况下,对所述第i簇电力数据样本中的异常电力数据样本进行扩充;将所述扩充异常电力数据样本后的所述第i簇电力数据样本作为所述本地的电力数据样本和/或所述全局电力数据样本的一部分。3.根据权利要求2所述的电力数据预测模型构建方法,其特征在于,在所述比例大于第一预设阈值且小于1的情况下,对所述第i簇电力数据样本中的异常电力数据样本进行扩充,包括:对所述第i簇电力数据样本中的所有电力数据样本进行归一化;根据归一化后的第i簇电力数据样本中的所有异常电力数据样本,确定所述第i簇电力数据样本中的所有异常电力数据样本的簇心;根据所述第i簇电力数据样本中的异常电力数据样本,以及所述第i簇电力数据样本中的所有异常电力数据样本的簇心,生成所述第i簇电力数据样本的新增异常电力数据样本;在加入所述新增异常电力数据样本后,所述第i簇电力数据样本正常电力样本数据的比例仍大于所述第一预设阈值且小于的情况下,迭代执行生成所述第i簇电力数据样本的新增异常电力数据样本的步骤;在加入所述新增异常电力数据样本后,所述第i簇电力数据样本正常电力样本数据的比例小于或等于所述第一预设阈值的情况下,将所有新增异常电力数据样本进行反归一化,并将反归一化后的所有新增异常电力数据样本加入所述第i簇电力数据样本中。4.根据权利要求3所述的电力数据预测模型构建方法,其特征在于,根据所述第i簇电力数据样本中的异常电力数据样本,以及所述第i簇电力数据样本中的所有异常电力数据样本的簇心,生成所述第i簇电力数据样本的新增异常电力数据样本,根据如下公式执行;Y
new
=c
i
+RAND(0,1)
×
(y
j
‑
c
i
)其中,Y
new
为新增...
【专利技术属性】
技术研发人员:尚芳剑,李信,彭柏,陈重韬,王艺霏,李坚,吴佳,娄竞,姚艳丽,闫忠平,张少军,王东升,来骥,张宁,温馨,郑天任,刘畅,
申请(专利权)人:国家电网有限公司北京邮电大学,
类型:发明
国别省市:
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。