一种家庭用电设备负荷预测方法

    公开(公告)号:CN107248740B

    公开(公告)日:2020-03-24

    申请号:CN201710451780.5

    申请日:2017-06-15

    IPC分类号: H02J3/00

    摘要: 本发明公开了一种家庭用电设备负荷预测方法,它包括:收集表征家庭用电设备所处各种环境状态的环境数据;收集家庭用电设备在各种环境状态下的用电负荷数据;对收集的用电负荷数据进行数据清洗;对经过数据清洗后的用电负荷数据进行属性值编码处理;构建一个以上自编码器模型,依次初始化自编码器模型参数;依次训练每个自编码器模型;将训练后的所有自编码器模型搭建出深度堆叠自编码器模型进行初始化参数设置;对深度堆叠自编码器模型进行深度训练;利用训练好的深度堆叠自编码模型实现家庭用电设备的用电负荷预测;解决了现有技术对电力负荷预测由于电力负荷的复杂性和多变性,很难建立精准的模型对其进行预测等技术问题。

    一种基于深度决策树算法的电力负荷特性挖掘方法

    公开(公告)号:CN108011367A

    公开(公告)日:2018-05-08

    申请号:CN201711262761.4

    申请日:2017-12-04

    IPC分类号: H02J3/00

    摘要: 本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法,该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的诸多因素数据进行采集,对所收集的电力负荷数据以及其他因素数据进行预处理,建立训练数据集,利用所建立的训练数据集对深度决策树算法进行训练,最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外,采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法,该算法具有无需大量设置超参数、自行确定模型深度的优点,可对有效对电力负荷特性进行智能挖掘,所得结果可服务于电网企业调度、运行等多方面。