[发明专利]一种预测电量的售电管理系统及预测电量方法在审

专利信息
申请号: 202310524847.9 申请日: 2023-05-10
公开(公告)号: CN116579557A 公开(公告)日: 2023-08-11
发明(设计)人: 吕学锋;王健;张强;甄志广;李相东;高飞;苏朝宏;李东毅;汪海洋;刘华;高倩倩;刘成;罗雁兢;刘亚光;杨美燕 申请(专利权)人: 河北亮能售电有限公司;石家庄良村热电有限公司
主分类号: G06Q10/0631 分类号: G06Q10/0631;H02J3/00;G06Q30/0201;G06Q10/04;G06F17/18;G06F17/16;G06Q50/06
代理公司: 北京德崇智捷知识产权代理有限公司 11467 代理人: 王丽萍
地址: 050000 河北省石*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 预测 电量 管理 系统 方法
【权利要求书】:

1.一种预测电量的售电管理系统,其特征在于,该系统包括数据处理单元、特征提取单元、模型构建单元、电量预测单元及售电策略制定单元;

所述数据处理单元,用于收集历史电量数据,并对收集后的数据进行处理;

所述特征提取单元,用于对处理后的数据进行特征向量提取;

所述模型构建单元,用于根据特征向量构建电量预测模型;

所述电量预测单元,用于通过电量预测模型对用户用电量进行预测;

所述售电策略制定单元,用于根据用电量预测结果制定售电策略。

2.根据权利要求1所述的一种预测电量的售电管理系统,其特征在于,所述数据处理单元包括电量数据收集模块、整合模块、清洗模块及标准化模块;

所述电量数据收集模块,用于通过无线数据传输器与电表设备进行连接,并通过发射交换器将采集的电表数据发送至售电管理服务器;

所述整合模块,用于将接收的电表数据进行整合形成完整的数据集;

所述清洗模块,用于对数据集进行重复值、异常值进行处理;

所述标准化模块,用于将清洗完成的数据化为相同格式。

3.根据权利要求2所述的一种预测电量的售电管理系统,其特征在于,所述对处理后的数据进行特征向量提取包括:

从数据集中提取不同时刻的电量数据值,构成分析资料时间序列;

对不同时刻提取数据特征,得到不同时刻相应的电量使用特征值;

采用频率分布直方图归一化的方法计算得到电量使用特征值的频率分布函数;

计算不同时刻的电量使用特征值出现的概率;

通过计算公式得到特征向量值。

4.根据权利要求3所述的一种预测电量的售电管理系统,其特征在于,所述通过计算公式得到特征向量值中计算公式为:

式中,t为不同时间段的序数;

n为特征值的数量;

Pc为电量使用特征值出现的概率;

c为特征值的序数。

5.根据权利要求4所述的一种预测电量的售电管理系统,其特征在于,所述模型构建单元包括获取构建模块、分解构建模块、过滤构建模块及结合构建模块;

所述获取构建模块,用于获取特征向量值,并以离散化方式构建电量预测的数学模型;

所述分解构建模块,用于将特征向量值基于传统的矩阵分解方法构建第一电量预测模型;

所述过滤构建模块,用于将特征向量值基于改进的相似度算法构建第二电量预测模型;

所述结合构建模块,用于将构建的电量预测数学模型、第一电量预测模型及第二电量预测模型结合为电量预测模型。

6.根据权利要求5所述的一种预测电量的售电管理系统,其特征在于,所述将构建的电量预测数学模型、第一电量预测模型及第二电量预测模型结合为电量预测模型包括:

根据所构建出的电量预测的数学模型确定预测结果概率置信度计算公式;

根据所确定的预测结果概率置信度计算公式,分别计算出第一电量预测模型的概率置信度及第二电量预测模型概率置信度;

通过计算公式将得到的第一电量预测模型的概率置信度与第二电量预测模型概率置信度相结合,得到电量预测模型。

7.根据权利要求6所述的一种预测电量的售电管理系统,其特征在于,所述通过计算公式将得到的第一电量预测模型的概率置信度与第二电量预测模型概率置信度相结合,得到电量预测模中计算公式为:

式中,为第一电量预测模型的预测结果;

为第二电量预测模型的预测结果;

为第一电量预测模型的概率置信度;

为第二电量预测模型的概率置信度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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河北亮能售电有限公司;石家庄良村热电有限公司,未经河北亮能售电有限公司;石家庄良村热电有限公司许可,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/202310524847.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top