[发明专利]用电需量预测方法、装置、系统与计算机存储介质

权利要求书

1.一种用电需量预测方法，其特征在于，所述方法包括如下步骤：

获取用电需量的历史数据，对所述历史数据进行预处理，得到第一分析数据；

对所述第一分析数据进行特征判断，得到对应的判断结果，并根据所述判断结果，确定所述第一分析数据的预测模型；

根据所述第一分析数据和所述预测模型，得到用电需量的预测数据。

2.如权利要求1所述的用电需量预测方法，其特征在于，所述对所述历史数据进行预处理，得到第一分析数据的步骤包括：

根据预存的第一算法模型，确定所述历史数据中的异常数据，并对所述异常数据进行修正，确定修正完成后的历史数据为第二分析数据；

获取所述第二分析数据对应的采样间隔，以及各所述第二分析数据的采样时间点，并根据所述采样间隔和所述采样时间点，判断所述第二分析数据中是否存在采集缺失问题；

若存在，则确定出现采集缺失的缺失时间点，并根据所述缺失时间点，在预存的第二算法模型中进行数据填充，确定填充完成后的第二分析数据为第三分析数据；

获取预设的预测时间周期，根据所述预测时间周期，对所述第三分析数据进行重采样处理，得到第四分析数据，并对所述第四分析数据进行平稳性检测；

若所述第四分析数据具有平稳性，则确定所述第四分析数据为第一分析数据。

3.如权利要求2所述的用电需量预测方法，其特征在于，所述对所述第四分析数据进行平稳性检测的步骤之后，还包括：

若所述第四分析数据不具有平稳性，则对所述第四分析数据进行差分运算，使得经过所述差分运算后得到的第五分析数据具有平稳性，确定所述第五分析数据为第一分析数据。

4.如权利要求1所述的用电需量预测方法，其特征在于，所述特征判断包括季节特征判断，所述对所述第一分析数据进行特征判断，得到对应的判断结果的步骤包括：

基于预存的第三算法模型，确定所述第一分析数据是否存在周期频率；

若存在周期频率，则确定所述第一分析数据的第一判断结果为具有季节特征；

若不存在周期频率，则确定所述第一分析数据的第一判断结果为不具有季节特征。

5.如权利要求4所述的用电需量预测方法，其特征在于，所述特征判断还包括趋势特征判断，所述对所述第一分析数据进行特征判断，得到对应的判断结果的步骤包括：

基于预存的第四算法模型，计算所述第一分析数据对应的趋势数据，并对所述趋势数据进行线性回归处理，得到所述趋势数据对应的拟合直线；

确定所述拟合直线的斜率，以及所述斜率的斜率绝对值，并将所述斜率绝对值和预设斜率绝对值进行比较；

若所述斜率绝对值大于预设斜率绝对值，则确定所述第一分析数据的第二判断结果为具有趋势特征；

若所述斜率绝对值小于或等于预设斜率绝对值，则确定所述第一分析数据的第二判断结果为不具有趋势特征。

6.如权利要求5所述的用电需量预测方法，其特征在于，所述判断结果包括第一判断结果和第二判断结果，所述根据所述判断结果，确定所述第一分析数据的预测模型的步骤包括：

若所述判断结果具有季节特征且具有趋势特征，则确定所述第一分析数据的预测模型为三次指数平滑模型；

若所述判断结果具有季节特征但不具有趋势特征，则确定所述第一分析数据的预测模型为三次指数平滑模型；

若所述判断结果为不具有季节特征但具有趋势特征，则确定所述第一分析数据的预测模型为自回归移动平均模型；

若所述判断结果为不具有季节特征且不具有趋势特征，则确定所述第一分析数据的预测模型为一次指数平滑模型。

7.如权利要求1所述的用电需量预测方法，其特征在于，所述得到用电需量的预测数据的步骤之后，还包括：

获取所述第一分析数据对应的目标预测数据，分别计算各所述目标预测数据与对应的第一分析数据之间的差值，得到残差数据；

基于预存的第五算法模型和所述残差数据，对所述预测模型进行调优，以确定最优预测模型。