用电对象的能耗预测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种用电对象的能耗预测方法、装置、电子设备和存储介质，包括：按照预设周期采集用电对象的多个历史能耗；设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，在所述聚类目标函数中，所述历史能耗到聚类中心的距离与所述权重负相关；对所述粒化数据进行解粒化，得到解粒化后的数据；采用所述解粒化后的数据建立模糊规则模型来预测所述用电对象的能耗。本发明专利技术实施例中，由于在聚类目标函数中，历史能耗到聚类中心的距离与权重负相关，可以在聚类过程中通过权重对聚类目标函数动态调整，进一步细化不同历史能耗到每个聚类中心的距离，提升历史能耗的聚类效果，最终提高对用电对象的能耗预测的准确度。测的准确度。测的准确度。

【技术实现步骤摘要】
用电对象的能耗预测方法、装置、电子设备和存储介质


[0001]本专利技术涉及电网配电
，尤其涉及一种用电对象的能耗预测方法、装置、电子设备和存储介质。

技术介绍

[0002]电能源作为清洁能源在国民经济中具有重要的地位，为了提高电能源的利用效率，避免电能源的不必要浪费和电能源的合理配送，根据用电对象的历史电能源消耗的数据，预测用电对象对电能源的需求量变的十分重要。
[0003]目前，主要是通过对历史电能源消耗的数据进行粒化、解粒化后之后建立模型来预测用电对象的电能源消耗，预测精度依赖于粒化的准确度，然而，目前对数据粒化的准确度低，降低了后续电能源消耗预测的精度，不利于电网中进行配电。

技术实现思路

[0004]本专利技术实施例提供了一种用电对象的能耗预测方法、装置、电子设备和存储介质，以解决现有技术中对历史能耗进行粒化准确度低，降低能耗预测精度的问题。
[0005]第一方面，本专利技术实施例提供了一种用电对象的能耗预测方法，包括：
[0006]按照预设周期采集用电对象的多个历史能耗；
[0007]设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，在所述聚类目标函数中，所述历史能耗到聚类中心的距离与所述权重负相关；
[0008]对所述粒化数据进行解粒化得到解粒化后的数据；
[0009]采用所述解粒化后的数据建立模糊规则模型来预测所述用电对象的能耗。
[0010]可选地，所述按照预设周期采集用电对象的多个历史能耗，包括：
>[0011]按照预设周期采集用电对象的能耗；
[0012]将当前时刻之前所采集到的预设数量个能耗确定为多个历史能耗。
[0013]可选地，所述设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，包括：
[0014]设置带权重的聚类目标函数；
[0015]在所述聚类目标函数中引入拉格朗日算子得到新的目标函数；
[0016]计算所述新的目标函数对隶属度的导数得到梯度；
[0017]在所述梯度等于0时计算隶属度和权重作为所述粒化数据。
[0018]可选地，所述聚类目标函数如下：
[0019][0020]其中，表示历史能耗x
j
属于原型v
i
的程度，为权重，C为原型数量，N为历史能耗的数量，m、τ为模糊指数，v
i
为第i个原型，为标准差，i、j、k、c、N、m、τ均为自然数。
[0021]可选地，所述隶属度如下：
[0022][0023]所述权重如下：
[0024][0025]其中，f、t为自然数。
[0026]可选地，所述对所述粒化数据进行解粒化得到解粒化后的数据，包括：
[0027]设置解粒化目标函数如下：
[0028][0029]对所述解粒化目标函数中的求梯度并且令梯度等于0时求解粒化后的数据如下：
[0030][0031]可选地，所述采用所述解粒化后的数据建立模糊规则模型来预测所述用电对象的能耗，包括：
[0032]通过解粒化后的数据建立如下模糊规则模型：
[0033][0034]其中，为根据历史能耗x
j
所预测的能耗，f(x)表示输入能耗x的函数。
[0035]第二方面，本专利技术实施例提供了一种用电对象的能耗预测装置，包括：
[0036]历史数据采集模块，用于按照预设周期采集用电对象的多个历史能耗；
[0037]粒化模块，用于设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，在所述聚类目标函数中，所述历史能耗到聚类中心的距离与所述权重负相关；
[0038]解粒化模块，用于对所述粒化数据进行解粒化得到解粒化后的数据；
[0039]预测模块，用于采用所述解粒化后的数据建立模糊规则模型来预测所述用电对象的能耗。
[0040]可选地，所述历史数据采集模块包括：
[0041]功率采集子模块，用于按照预设周期采集用电对象的能耗；
[0042]历史数据确定子模块，用于将当前时刻之前所采集到的预设数量个能耗确定为多个历史能耗。
[0043]可选地，所述粒化模块包括：
[0044]聚类目标函数设置子模，用于设置带权重的聚类目标函数；
[0045]新函数建立子模块，用于在所述聚类目标函数中引入拉格朗日算子得到新的目标函数；
[0046]梯度计算子模块，用于计算所述新的目标函数对隶属度的导数得到梯度；
[0047]隶属度和权重计算子模块，用于在所述梯度等于0时计算隶属度和权重作为所述粒化数据。
[0048]可选地，所述聚类目标函数如下：
[0049][0050]其中，表示历史能耗x
j
属于原型v
i
的程度，为权重，C为原型数量，N为历史能耗的数量，m、τ为模糊指数，v
i
为第i个原型，为标准差，i、j、k、c、N、m、τ均为自然数。
[0051]可选地，所述隶属度如下：
[0052][0053]所述权重如下：
[0054][0055]其中，f、t为自然数。
[0056]可选地，所述解粒化模块包括：
[0057]解粒化目标函数设置子模块，用于设置解粒化目标函数如下：
[0058][0059]粒化数据求解子模块，用于对所述解粒化目标函数中的求梯度并且令梯度等于0时求解粒化后的数据如下：
[0060][0061]可选地，所述预测模块包括：
[0062]模型建立子模块，用于通过解粒化后的数据建立如下模糊规则模型：
[0063][0064]其中，为根据历史能耗x
j
所预测的能耗，f(x)表示输入能耗x的函数。
[0065]第三方面，本专利技术实施例提供了一种电子设备，所述电子设备包括：
[0066]一个或多个处理器；
[0067]存储装置，用于存储一个或多个计算机程序，
[0068]当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术第一方面任意项所述的用电对象的能耗预测方法。
[0069]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术第一方面任一项所述的用电对象的能耗预测方法。
[0070]本专利技术实施例在采集到用电对象的多个历史能耗之后，设置带权重的聚类目标函数对历史能耗距离以得到粒化数据，在对粒化数据解粒化得到解粒化后的数据后，采用解粒化后的数据建立模糊规则模型来预测用电对象的能耗，由于在聚类目标函数中历史能耗到聚类中心的距离与权重负相关，可以在聚类过程中通过权重对聚类目标函数动态调整，进一步细化不同历史能耗数据到每个聚类中心的距离，提升历史能耗的聚类效果，最终提
高对用电对象的能耗预测的精度。
附图说明
[0071]图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电对象的能耗预测方法，其特征在于，包括：按照预设周期采集用电对象的多个历史能耗；设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，在所述聚类目标函数中，所述历史能耗到聚类中心的距离与所述权重负相关；对所述粒化数据进行解粒化得到解粒化后的数据；采用所述解粒化后的数据建立模糊规则模型来预测所述用电对象的能耗。2.如权利要求1所述的方法，其特征在于，所述按照预设周期采集用电对象的多个历史能耗，包括：按照预设周期采集用电对象的能耗；将当前时刻之前所采集到的预设数量个能耗确定为多个历史能耗。3.如权利要求1所述的方法，其特征在于，所述设置带权重的聚类目标函数对所述历史能耗聚类以进行粒化得到粒化数据，包括：设置带权重的聚类目标函数；在所述聚类目标函数中引入拉格朗日算子得到新的目标函数；计算所述新的目标函数对隶属度的导数得到梯度；在所述梯度等于0时计算隶属度和权重作为所述粒化数据。4.如权利要求3所述的方法，其特征在于，所述聚类目标函数如下：其中，其中，表示历史能耗x
j
属于原型v
i
的程度，为权重，C为原型数量，N为历史能耗的数量，m、τ为模糊指数，v
i
为第i个原型，为标准差，i、j、k、c、N、m、τ均为自然数。5.如权利要求4所述的方法，其特征在于，所述隶属度如下：所述权重如下：
其中，f、t为自然数。6.如权利要求4或5所述的方法，其特征在于...

【专利技术属性】
技术研发人员：李志武，聂朋，伍乃骐，陈锐，
申请(专利权)人：日立楼宇技术广州有限公司，
类型：发明
国别省市：