买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网浙江省电力有限公司台州供电公司

摘要：本发明公开了考虑气象因素的基线负荷和时域卷积网络联合预测方法，包括数据预处理得到总电负荷数据、冷负荷数据、热负荷数据及气象参数特征，总电负荷中减去空调系统的电负荷，得到建筑电负荷；将预处理后的建筑电、冷、热负荷数据均经过基线负荷处理得到基线负荷；将气象参数特征和负荷数据分别带入TCN得到预测的基线负荷；将基线电负荷作为最终的电负荷的预测负荷结果；为基线冷、热负荷和预测的基线冷、热分配对应的权重，根据历史冷或热负荷数据利用多项式拟合出最优的权重系数；按加权集成对两个最优权重系数进行组合即可得出预测冷或热负荷。本方法的预测精度高于单一的基线负荷预测模型和单一的神经网络预测模型。

主权项：1.考虑气象因素的基线负荷和时域卷积网络联合预测方法，其特征在于：包括以下步骤：步骤一：数据预处理；获取建筑历史负荷数据，并将建筑历史负荷数据提取出其中总电负荷数据、冷负荷数据、热负荷数据以及气象参数特征；基于分布式能源系统能源供应的灵活性，将总电负荷数据中由空调系统造成的电负荷减去，得到建筑电负荷；步骤二：将预处理后的建筑电负荷、冷负荷数据以及热负荷数据均经过基线负荷处理后分别得到基线电负荷、基线冷负荷、基线热负荷；所述基线负荷处理为根据负载曲线的周期性和相似性进行基线分析，得到相较于原始数据更具有稳健性和代表性的基线负荷；步骤三：将预处理后的气象参数特征进行归一化处理和权重计算，得到综合气象因素；建立考虑关键气象因素的TCN负荷预测模型，将所述综合气象因素和冷负荷数据带入TCN模型，得到预测的基线冷负荷；同样，将所述综合气象因素和热负荷数据带入TCN模型，得到预测的基线热负荷；步骤四：负荷预测；将步骤二中生成的基线电负荷作为最终的电负荷的预测负荷结果；将步骤二得到的基线冷负荷分配对应的权重、将步骤三得到的预测的基线冷负荷分配对应的权重，根据历史冷负荷数据利用多项式拟合的方式，拟合出两个权重对应的最优的权重系数；按加权集成对两个最优的权重系数进行组合，即可得出最终的预测冷负荷；同样，分别对将步骤二得到的基线热负荷分配对应的权重、预测的基线热负荷分配对应的权重，经过多项式拟合以及加权集成即可得到最终的预测热负荷。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司台州供电公司 考虑气象因素的基线负荷和时域卷积网络联合预测方法