[发明专利]一种优化热负荷预测方法及装置

说明书

本发明公开了一种优化热负荷预测方法、装置、可读介质及电子设备，包括：利用预设的预测模型，根据样本数据，确定所述样本数据对应的第一预测曲线；据所述第一预测曲线，确定其中至少一个极值点；当所述极值点满足预设条件，对所述极值点的数值进行修正，获得第二预测曲线。通过对预设模型对应的预测值的修正，从而提高热负荷预测的准确性。

技术领域

本发明属于热能技术领域，尤其涉及一种优化热负荷预测方法及装置。

背景技术

现有技术中蒸汽供应用户分为工业、商业、居民、办公等，不同用户的蒸汽负荷、负荷量级、负荷特点都不尽相同，负荷预测的准确性关乎优化调度、关乎运营策略。

目前常见的热负荷预测方法有很多，包括指数平滑、自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA模型)、神经网络、长短期记忆网络(LSTM，Long Short-Term Memory)等。

其中深度学习算法LSTM，其对数据具有记忆功能，因此可以取得不错的预测结果，但同时预测结果相对真实数据存在时间上的滞后性，因此会导致预测不准确。

发明内容

有鉴于此，本发明实施例提供了一种优化热负荷预测方法、装置、终端设备及计算机可读存储介质，以解决现有技术中预测结果相对真实数据存在时间上的滞后性的技术问题。

本发明实施例的第一方面，提供了一种优化热负荷预测方法，包括：

利用预设的预测模型，根据样本数据，确定所述样本数据对应的第一预测曲线；

根据所述第一预测曲线，确定所述第一预测曲线中至少一个极值点；

当所述极值点满足预设条件，对所述极值点的数值进行修正，获得第二预测曲线。

本发明实施例的第二方面，提供了一种优化热负荷预测装置，包括：

预测模块，用于利用预设的预测模型，根据样本数据，确定所述样本数据对应的第一预测曲线；

确定极值点模块，用于根据所述第一预测曲线，确定其中至少一个极值点；

修正模块，用于当所述极值点满足预设条件，对所述极值点的数值进行修正，获得第二预测曲线。

本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述物联设备数据模拟方法的步骤。

本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述物联设备数据模拟方法的步骤。

本发明实施例提供的一种优化热负荷预测方法的有益效果至少在于：本发明实施例首先利用预设的预测模型，根据样本数据，确定所述样本数据对应的第一预测曲线，其次根据所述第一预测曲线，确定所述第一预测曲线中至少一个极值点，然后当所述极值点满足预设条件，对所述极值点的数值进行修正，获得第二预测曲线。经过修正预测结果，解决了其与相对真实数据时间上的滞后性技术问题，提高了热负荷预测的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种优化热负荷预测方法的实现流程示意图；

图2是本发明实施例提供的确定极值点的流程示意图；