[发明专利]一种基于多户电力消耗预测模型的预测方法及装置

权利要求书

1.一种基于多户电力消耗预测模型的预测方法，其特征在于，所述方法包括：

采集多个用电主体的电力消耗数据，所述电力消耗数据为按照时间顺序记录的各个时段数据；

对所述电力消耗数据进行采样，并对采样数据进行预处理，基于预处理后的数据确定训练集和测试集；

基于所述训练集和所述测试集，对电力消耗预测模型进行训练得到通用模型；

通过所述通用模型对待预测用户的用电情况进行预测。

2.根据权利要求1所述的方法，其特征在于，基于所述训练集和所述测试集，对电力消耗预测模型进行训练得到通用模型包括：

基于所述训练集和所述测试集，对每个用电主体的电力消耗预测模型进行训练，并将训练好的模型参数传递给中央服务器；

所述中央服务器对所述模型参数进行融合，将融合数据下发到各个所述电力消耗预测模型中进行循环训练，直到生成通用模型。

3.根据权利要求1所述的方法，其特征在于，基于预处理后的数据确定训练集和测试集包括：

将预处理后的数据划分为87％训练集和13％测试集。

4.根据权利要求2所述的方法，其特征在于，基于所述训练集和所述测试集，对每个用电主体的电力消耗预测模型进行训练包括：

所述电力消耗预测模型为联邦学习和BiLSTM结合的模型，即Fed_BiLSTM模型，所述联邦学习和BiLSTM结合的模型包括五个并行任务模块和一个中心模块，其中，每个所述任务模块由一个BiLSTM神经网络层和一个全连接层组成；

所述中心模块中的服务器与客户端通过TCP协议建立连接后，基于所述训练集和所述测试集，通过所述任务模块训练每个用电主体的电力消耗预测模型。

5.根据权利要求2所述的方法，其特征在于，将融合数据下发到各个所述电力消耗预测模型中进行循环训练，直到生成通用模型包括：

将融合数据下发到各个所述电力消耗预测模型中，通过所述电力消耗预测模型的损失函数以及通用模型的损失函数进行循环训练；

通过最小化平均绝对误差平均绝对百分比误差和均方根误差对每次训练后的模型进行评估优化，直至生成通用模型；

其中，m表示数量特征，y＝{y₁,y₂,…,y_N}表示预测值，表示实际值。

6.根据权利要求1所述的方法，其特征在于，对采样数据进行预处理包括：

将用电主体的数据集上传到各个节点，进行异常处理并且利用Z-Score对电力消耗数据进行放缩，得到平均值为0和标准差为1的预处理后的电力消耗数据。

7.一种基于多户电力消耗预测模型的装置，其特征在于，所述装置包括：

采集模块，用于采集待预测的电力消耗数据，所述电力消耗数据为按照时间顺序记录的各个时段数据；

分析模块，用于对所述电力消耗数据进行异常处理和预处理；

确认模块，用于基于预处理后的数据确定训练集和测试集；

训练模块，用于基于训练集和测试集，对初始电力消耗预测模型进行训练得到通用模型；

预测模块，用于通过训练好的通用模型对待预测用电主体的用电情况进行预测。

8.根据权利要求7所述的装置，其特征在于，所述训练模块还包括：

所述训练模块基于所述训练集和所述测试集，对每个用电主体的电力消耗预测模型进行训练，并将训练好的模型参数传递给中央服务器；

所述训练模块通过中央服务器对所述模型参数进行融合，将融合数据下发到各个所述电力消耗预测模型中进行循环训练，直到生成通用模型。

9.一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序在被所述处理器运行时执行如权利要求1至6任一项所述的基于多户电力消耗预测模型的预测方法。

10.一种计算机可读存储介质，介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的基于多户电力消耗预测模型的预测方法。