[发明专利]一种写字楼电力系统月度用电量预测方法及系统

权利要求书

1.一种写字楼电力系统月度用电量预测方法，包括：

S1，输入查询时间，创建预测时间序列；

S2，获取预测温度原始数据，清洗预测温度原始数据；

S3，导入用电量GBDT非线性模型，计算每日用电量并输出月度用电总量预测结果；

其特征在于，还包括利用离散数据构建用电量GBDT非线性模型，其步骤包括：

1)获取电力原始数据，清洗电力原始数据，保存历史日用电量数据到历史用电量数据存储单元中；

2)获取原始温度数据，清洗原始温度数据，保存到历史温度数据存储单元；

3)温度信息判定；

4)节假日判定；

5)时间信息提取；

6)数据合并，将处理后得到的离散数据按照时间序列合并在一起，存储在csv文件中；

7)模型建立与优化，以用电量作为输出值，温度信息、节假日信息、时间信息等作为输入值，对GBDT模型采用网络搜索优化参数的方法，以10折交叉验证作为验证方式，将算法优化，得到用电量GBDT非线性模型；

8)模型保存。

2.根据权利要求1所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述电力原始数据包括不同设备每5分钟的耗电量数据，所述清洗电力原始数据包括：利用大数据相关方法进行处理，将原始数据进行查重，删除异常值，填补缺失值，汇总设备的耗电总量指标，提取本系统需要的参数和相应的格式，并以天为周期保存。

3.根据权利要求1所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述获取原始温度数据，包括：使用爬虫对温度数据进行爬取，通过获取配置文件中的不同城市代码来获取写字楼所在城市的温度数据；所述清洗原始温度数据，包括：对缺失数据的填补与重复数据的删除，提取本系统需要的3个温度参数：最低温度、最高温度以及平均温度，所有温度单位均为摄氏度，并保存在历史温度信息存储单元。

4.根据权利要求3所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述获取原始温度数据，还包括：同时通过函数变量的控制来决定获取的是预测日期的预测温度还是历史温度。

5.根据权利要求1所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述温度信息判定，步骤包括：

1)判断是否选择使用温度判断是否开暖气；

2)如果是，则继续判断是否达到开暖气标准；

3)如果达到开暖气标准，暖气指标赋值为1，如果没有达到开暖气标准，暖气指标赋值为0，结束；

4)如果不使用温度判断是否暖气，则判断是否达到春季，如果是，则季节指标赋值为0，结束；

5)如果没达到春季，判断是否达到夏季，是，则季节指标赋值为1，结束；

6)如果没达到夏季，判断是否达到秋季，是，则季节指标赋值为2，结束；

7)如果没达到秋季，判断是否达到冬季，是，则季节指标赋值为3，结束，如果没达到冬季，则提示“不符合默认标准，请求人工设定″。

6.根据权利要求1所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述节假日判定，包括使用假期属性和春节属性两个属性值来判断对应日期的节假日属性：

若为周末，则假期属性赋值为1，若为三天及以上的假期，假期属性赋值为2，若为七天及以上的假期，假期属性赋赋值为3，若为春节期间，则假期属性值为4，若为工作日，则该假期属性赋值为0；

如为春节，则春节属性赋值为1，如非春节，则春节属性赋值为0。

7.根据权利要求5所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述节假日判定，假期属性和春节属性两个属性值可以不一一对应，假期属性具体放假时间依据当年的法定节假日来确定，而春节属性在春节期间有部分单位开始放假即可开始设置为1，该值由一个库来设置。

8.根据权利要求1所述的一种写字楼电力系统月度用电量预测方法，其特征在于，所述时间信息提取，包括使用Python的datetime库提取该日期在当年度的周次信息和在该周中的周几信息，并将其保存在时间信息储存单元。