[发明专利]区域用电特征的挖掘方法、装置及可读存储介质

权利要求书

1.一种区域用电特征的挖掘方法，其特征在于，所述方法包括区域用电短期预测和区域用电长期预测，所述区域用电长期预测包括：

S1：建立第一层数据处理层，具体为根据日时间尺度数据输出日结果，

S2：建立第二层数据处理层，具体为根据日结果和月时间尺度数据输出月结果，

S3：建立第三层数据处理层，具体为根据月结果和年时间尺寸数据输出年结果，

S4：对所述第三层数据处理层输出年结果数据进行线性处理，输出总负荷预测结果。

2.根据权利要求1所述的区域用电特征的挖掘方法，其特征在于，所述第一层数据处理层为基于全连接神经网络的训练系统。

3.根据权利要求2所述的区域用电特征的挖掘方法，其特征在于，所述根据日时间尺度数据输出日结果，具体为：

S11：获取日时间尺度数据，对每个获取的日时间尺度数据进行数据处理和特征提取以构建样本集；

S12：基于全连接神经网络构建训练系统，

S13：在训练系统确定日时间尺度数据的周期性变化以及负荷需求规律；

S14：根据所述周期性变化和所述负荷需求规律输出日结果向量。

4.根据权利要求3所述的区域用电特征的挖掘方法，其特征在于，所述数据处理至少包括相关性分析、缺失值处理和异常值处理。

5.根据权利要求1所述的区域用电特征的挖掘方法，其特征在于，所述第二层数据处理层和所述第三层数据处理层为基于LSTM网络的训练系统。

6.根据权利要求5所述的区域用电特征的挖掘方法，其特征在于，所述根据日结果和月时间尺度数据输出月结果，具体为：

S21：获取月时间尺度数据，对所述月时间尺度数据进行归一化和向量化处理；

S22：获取日结果向量和向量化处理后的月时间尺度数据以构建样本集；

S23：基于LSTM网络构建训练系统，

S24：输出月结果向量。

7.根据权利要求5所述的区域用电特征的挖掘方法，其特征在于，所述根据月结果和年时间尺寸数据输出年结果，具体为：

S31：获取年时间尺度数据，对所述年时间尺度数据进行归一化和向量化处理；

S32：获取月结果向量和向量化处理后的年时间尺度数据以构建样本集；

S33：基于LSTM网络构建训练系统，包括依次连接的输入模块、中间模块和输出模块，按照时间序列对数据进行特征提取和预测，并将获取的数据代入训练系统进行训练；

S34：生成真实值-预测值曲线图，并输出预测的年结果数据。

8.根据权利要求6或7所述的区域用电特征的挖掘方法，其特征在于，所述归一化处理采用最大最小值归一化，公式为：

，其中，X为当前样本数据，Xmax为样本数据的最大值，Xmin为样本数据的最小值，Xnorm为归一化结果，数值区间为[0,1]。

9.一种装置，其特征在于，所述装置包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，当所述一个活多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-8中任一项所述的区域用电特征的挖掘方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的区域用电特征的挖掘方法。