[发明专利]负荷聚合商电量预测方法、装置和计算机设备在审
申请号: | 202210231985.3 | 申请日: | 2022-03-09 |
公开(公告)号: | CN114596116A | 公开(公告)日: | 2022-06-07 |
发明(设计)人: | 吴金宇;陶文伟;曹扬;胡荣;朱文;曾初阳 | 申请(专利权)人: | 中国南方电网有限责任公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q50/06;G06K9/62;G06F21/62;G06F21/60;H02J3/00 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 黄恕 |
地址: | 510000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 负荷 聚合 电量 预测 方法 装置 计算机 设备 | ||
1.一种负荷聚合商电量预测方法,其特征在于,所述方法包括:
获取已存用户ID集合以及用户用电量;
根据所述已存用户ID集合,与第一参与方和第二参与方进行加密对齐,获得用户ID交集,其中,所述第一参与方为固定因素参与方,所述第二参与方为变化因素参与方;
发送所述用户ID交集至所述第一参与方和所述第二参与方,并接收所述第一参与方与所述第二参与方反馈的分组样本数据,所述分组样本数据由所述第一参与方和所述第二参与方根据所述用户ID交集分别进行特征分组后归集得到;
根据所述分组样本数据和所述用户用电量,对预设CART树的进行特征分裂,构建CART树模型、并获得CART树模型对应的目标函数值;
若所述目标函数值大于等于预设阈值,返回所述根据所述分组样本数据和所述用户用电量,对预设CART树的进行特征分裂,构建CART树模型、并获得CART树模型对应的目标函数值的步骤;
基于所述CART树模型进行负荷聚合商电量预测。
2.根据权利要求1所述的负荷聚合商电量预测方法,其特征在于,所述第一参与方缓存有第一用户ID集合,所述第二参与方缓存有第二用户ID集合;
所述根据所述已存用户ID集合,与第一参与方和第二参与方进行加密对齐,获得用户ID交集包括:
对所述已存用户ID集合进行加密,获得用户ID加密信息;
接收所述第一参与方发送的第一用户ID加密信息,所述第一用户ID加密信息是由所述第一参与方对所述第一用户ID集合进行加密得到;
根据所述用户ID加密信息和所述第一用户ID加密信息,获得初始用户ID交集;
接收所述第二参与方发送的第二用户ID加密信息,所述第二用户ID加密信息是由所述第二参与方对所述第二用户ID集合进行加密得到;
根据所述初始用户ID交集和所述第二用户ID加密信息,获得用户ID交集。
3.根据权利要求2所述的负荷聚合商电量预测方法,其特征在于,所述第一参与方缓存有第一特征集合以及与所述第一特征集合对应的第一特征阈值,所述第二参与方缓存有第二特征集合以及与所述第二特征集合对应的第二特征阈值;
所述发送所述用户ID交集至所述第一参与方和所述第二参与方,并接收所述第一参与方与所述第二参与方反馈的分组样本数据包括:
发送所述用户ID交集至所述第一参与方和所述第二参与方,根据所述第一特征集合和多个所述第一特征阈值,在所述第一参与方中对所述用户ID交集进行分组,获得分组后的第一样本数据;
根据所述第二特征集合和多个所述第二特征阈值,在所述第二参与方中对所述用户ID交集进行分组,获得分组后的第二样本数据;
接收、并归集所述分组后的第一样本数据和所述分组后的第二样本数据,得到分组样本数据。
4.根据权利要求1所述的负荷聚合商电量预测方法,其特征在于,所述根据所述分组样本数据和所述用户用电量,对预设CART树的进行特征分裂,构建CART树模型、并获得CART树模型对应的目标函数值包括:
获得所述用户用电量的损失函数的一阶导数集合和所述用户用电量的损失函数的二阶导数集合;
根据所述一阶导数集合和所述二阶导数集合,通过同态加密和解密,获得所述一阶导数集合之和和所述二阶导数集合之和;
根据所述一阶导数集合之和、所述二阶导数集合之和以及所述分组样本数据,获得所述分组样本数据的得分和对应的分组编号;
发送最大得分对应的分组编号至所述第一参与方和所述第二参与方,并接收对应所述最大得分的样本数据分组,所述对应所述最大得分的样本数据分组是根据所述最大得分对应的分组编号,在所述第一参与方和所述第二参与方中查询分组样本数据得到;
根据所述对应所述最大得分的样本数据分组,对预设CART树的进行特征分裂,构建CART树模型、并获得所述CART树模型的预测值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国南方电网有限责任公司,未经中国南方电网有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210231985.3/1.html,转载请声明来源钻瓜专利网。