[发明专利]基于Prophet的智能铁路车站电能能耗预测方法

说明书

本发明属于能耗预测技术领域，公开了一种基于Prophet的智能铁路车站电能能耗预测方法。该方法包括：对用电系统中的各子节点进行监测，获得各子节点分别对应的实测电能能耗数据；将各子节点对应的实测电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图。通过上述方式，对所述待测电表进行有效预测，以寻找高能耗环节，进而采取技术手段达到节约能源的效果。

技术领域

本发明涉及能耗预测技术领域，尤其涉及一种基于Prophet的智能铁路车站电能能耗预测方法。

背景技术

伴随着高速铁路的发展，如今的铁路车站已进入智能化时代，目前，国内铁路车站主要使用模糊最小二乘支持向量机(FLS-SVM)、径向基神经网络(RBF-ANN)等技术对电能进行预测。模糊最小二乘支持向量机因其学习速度快、跟踪性能好、泛化能力强、精度高等优点被广泛应用于能耗预测领域。在SVM预测中，高斯核函数可以看作与每一个输入点的距离，而RBF神经网络对输入点做了一个聚类，同样可以得到较好的预测效果，但SVM与RBF预测中存在如下缺陷：

(1)SVM借助二次规划求解支持向量，求解二次规划将涉及m阶矩阵计算(m为样本的个数)，当m数目很大时该矩阵的存储和计算将耗费大量的机器内存和运算时间。

(2)RBF隐层基函数的中心是在输入样本集中选取的，通常难以反映出系统真正的输入输出关系，并且初始中心点数较多，优选过程中通常会出现数据病态现象。

为此，有待发明一种基于智能铁路车站大量监测数据的现代化电能预测方法。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于Prophet的智能铁路车站电能能耗预测方法，旨在解决智能铁路车站电能预测的技术问题。

为实现上述目的，本发明提供了一种基于Prophet的智能铁路车站电能能耗预测方法，所述方法包括以下步骤:

对用电系统中的各子节点进行监测，获得各子节点分别对应的实测电能能耗数据；

将各子节点对应的实测电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图。

优选地，所述将各子节点对应的实测电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图的步骤，包括：

判断各子节点对应的实测电能能耗数据是否存在异常；

在所述实测电能能耗数据不存在异常时，将所述实测电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图；

在所述各子节点的实测电能能耗数据存在异常时，对异常数据进行数值补充，得到完整电能能耗数据，并将所述完整电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图。

优选地，所述对异常数据进行数值补充的步骤，包括：

在映射关系表中根据时间戳查找异常数据的相邻实测电能能耗数据前值和相邻实测电能能耗数据后值；

计算相邻实测电能能耗数据前值和相邻实测电能能耗数据后值的平均值，并根据所述平均值对所述异常数据进行数值填充，以获得完整映射关系表；

所述映射关系表存放有时间戳和实测电能能耗数据的对应关系。

优选地，所述将各子节点对应的实测电能能耗数据输入至预设预测模型中，获得预测电能能耗数据对应的预测曲线图的步骤之前，所述方法还包括：

在所述实测电能能耗数据中选取样本数据；

将所述样本数据划分为训练数据和测试数据；