虚拟变量在日用电量预测中的应用

合集下载

一种基于VMD分解与LSTM网络的日用电量预测方法[发明专利]

一种基于VMD分解与LSTM网络的日用电量预测方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011245681.X(22)申请日 2020.11.10(71)申请人 沈阳工程学院地址 110136 辽宁省沈阳市沈北新区蒲昌路18号(72)发明人 钱小毅 孙天贺 王宝石 (74)专利代理机构 沈阳铭扬联创知识产权代理事务所(普通合伙) 21241代理人 屈芳(51)Int.Cl.G06Q 10/04(2012.01)G06Q 50/06(2012.01)G06Q 10/06(2012.01)G06F 16/28(2019.01)G06N 3/04(2006.01)(54)发明名称一种基于VMD分解与LSTM网络的日用电量预测方法(57)摘要本发明涉及一种基于VMD分解与LSTM网络的日用电量预测方法。

包括对预处理后的数据进行变分模态分解,模态数K由贝叶斯优化算法进行优化;对用电量序列数据进行相关影响因子的拓展,原始数据与映射数据之间的映射参数由贝叶斯优化算法优化获得;将相关影响因子拓展后的数据分为训练集,验证集和测试集;通过LSTM模型训练各子模式,通过测试集与验证集的比较计算均方根误差;对预测结果进行重构与反归一化,确定是否满足终止条件;将优化后的映射参数输入到LSTM模型中,用训练集和验证集用作新的训练数据,对测试数据进行重构和反归一化,输出预测结果。

能准确的描绘关键因素与用电量序列之间的关系,提高对日用电量预测的精度。

权利要求书1页 说明书5页 附图2页CN 112651543 A 2021.04.13C N 112651543A1.一种基于VMD分解与LSTM网络的日用电量预测方法,其特征在于,包括以下步骤:(1)数据预处理;(2)对预处理后的数据进行变分模态分解,模态数K由贝叶斯优化算法进行优化;(3)对用电量序列数据进行相关影响因子的拓展,所述影响因子包括典型日以及温度因素,原始数据与映射数据之间的映射参数由贝叶斯优化算法优化获得;(4)将相关影响因子拓展后的数据分为训练集,验证集和测试集;(5)通过LSTM模型训练各子模式,通过测试集与验证集的比较计算均方根误差;(6)对预测结果进行重构与反归一化,确定是否满足终止条件,若不满足则需要修正贝叶斯优化算法的先验函数,更新映射参数,并返回步骤(4);(6)将优化后的映射参数输入到LSTM模型中,用训练集和验证集用作新的训练数据,对测试数据进行重构和反归一化,输出预测结果。

虚拟仪器在电能质量监测系统中的应用

虚拟仪器在电能质量监测系统中的应用

钓, 节恶 匕
各 复杂、 褂 用 、 乜代 的 膏及 , 彳 一 人 ¨时 能 憧 的 t 洼 置求 未越 乜 0 一
j了柏 ’ 一 2

j 研 笕 七, P
E^ 暑的 !方 ; 瀣 } 去 《
d j 也 、 ^ 主降 f 1 乜北 j l ^ | 玎 、 癸的j 的 lI 1 论 乖 _ f 】 杠 文 T{ 骨f £ L
l : 三于 』 仪 嚣枝 牝的 (d 了 托扯 乜北 惯 9 盖 :禾髓 j 《 孩系 的 1 j z 1 关 键 词 : , , / E { 仪 器 数据 采 妥
当前 , 我国广泛采用统计型电压表监测电压质量的水平. 这些电压监测仪只能监测电压是否合格 , 仍需人工抄表, 缺乏
A H CE…E& HO Y l’0 N US…N E N LG T } I C ,C O

虚 拟 仪 器在 电能 质量 监 测 系

摘 要 : 、 乜力


一 乖l 一 1备的广泛, J ff1 0 j 吏 一 生 、 目、t f也 f 、 手 乜; 波 形 殳 生‘ 变 .生 电能 情 : 也压 L 币 的 “ 畸 成
捷、 轻松的设计环境。 利用它设计者可以象搭积木一样, 轻松组
建一个测量系统或数据采集系统 ,并任意构造 自己的仪器面
1 . 确定程序设 计总体 方案
板, 而无需进行任何繁琐的计算机程序代码的编写, 从而可以
大大简化程序的设计
在编制虚拟仪器程序前. 必须首先对程序进行总体设计分
析: 一是确定程序要实现的功能、 要显示的图形图像、 要输出的 报表; 二是确定程序的层次关系, 如主程序和子程序之间的关
系、 虚拟仪器程序与硬件的连接关系等。

虚拟现实技术在电能计量培训中的应用

虚拟现实技术在电能计量培训中的应用
D Oh 1 0 . 3 9 6 9 / j . i s s n . 1 0 0 9 - 9 4 9 2 . 2 0 1 7 . 0 3 . 0 2 9
虚拟现实技术在电能计量培训中的应用
刁小玲
( 广 东 电 网公 司 东莞 供 电局 , 广 东 东莞 5 2 3 0 0 0 )
摘要 : 计 量错误接线检查分析是计量运维人员必备 的工作技 能 ,而针对计量运维人员对计量接线分析 的培训越来 越受到电力企 业的重视 。在现有的计量接线培训 系统 的基 础上 ,引入 了一种具有接线分析模块 的虚拟相位伏 安表及其配套培训平台 ,具有操 作简单 、安全可靠 、功能齐全 、准确性高 、可适用性较 强等优点 ,使计量_ T作人员可 随时 随处通 过移动终端在虚拟画面上进行 模 拟操作 ,熟悉 操作步骤 ,提高计量错误接线分析能力 ,增强了对丁作人员的培训效果 。
Me a s ur e me nt Tr a i ni ng
DI A0 Xi a o — — l i ng ( Do n g g u a n P o we r S u p p l y B u r e a u,G u a n g d o n g P o w e r Gr i d,Do n g g u a n 5 2 3 0 0 0,C h i n a )
Ke y wo r d s : me t e r i n g wi r i n g; p h a s e v o l t - a mpe r e me t e r ; wi r i n g a n a l y s i s ;c o r r e c t i o随着 当今 供 电企 业 的迅 猛 发 展 ,智 能 电能 表 也 得 到 了 广泛 应 用 。 电 能计 量 是 否 准确 ,除 了 与 电能计 量 装 置 的准确 度有 关 之外 ,还 与 计 量 回路

预测每日用电量方案

预测每日用电量方案

预测每日用电量方案计划通过探讨如何使用机器学习算法来预测每日用电量。

本文将包括以下几个部分:研究背景、数据收集和处理、特征选取、模型选择和评估、结果和讨论以及结论和未来工作。

第一部分:研究背景用电量预测是一个在实际生活中非常重要的问题。

最近,由于全球变暖等环境问题的加剧,人们对于能源的需求和使用方式也日益受到关注。

因此,开发一种有效的用电量预测方法可以帮助政府、企业和普通家庭更好地管理和节约能源。

目前,大多数用电量预测研究都基于统计方法或者传统的时间序列分析技术。

然而,随着机器学习算法的快速发展和广泛应用,越来越多的研究者开始尝试使用机器学习算法来预测用电量。

相比于传统方法,机器学习算法可以更好地处理大规模和多样化的数据,并且具有更好的建模和预测能力。

在本文中,我们将探讨如何使用机器学习算法来预测每日用电量。

具体而言,我们将使用历史用电量数据和其他相关信息(例如天气、时间等)来训练模型,并使用该模型来预测未来的用电量。

第二部分:数据收集和处理在这个研究中,我们需要收集大量历史用电量数据以及其他与用电量相关的信息。

为了收集这些数据,我们可以从不同来源获取数据,例如政府统计局、能源公司、气象局等。

在数据处理方面,首先需要对数据进行清洗和预处理。

我们需要去除异常值、重复数据等错误信息,并将数据转换成合适的格式,以便于后续的分析和建模。

同时,我们还需要将数据拆分成训练集和测试集,以便于进行模型选择和评估。

第三部分:特征选取在机器学习算法中,特征选取是非常重要的一步。

正确选择并使用相关特征能够帮助我们更好地预测目标变量。

在这个研究中,我们可以选择以下几种特征:1. 时间特征:包括年份、月份、日期、星期几等。

2. 天气特征:包括温度、湿度、风速等。

3. 节假日特征:包括国家、地区的节假日和特殊活动等。

4. 人口密度特征:包括所在地区的居民数量、人口流动情况等。

选择这些特征是基于它们与用电量之间的相关性以及它们作为影响因素的潜在影响力。

《电力需求侧管理》第9卷(2007年第1-6期)分类总目次

《电力需求侧管理》第9卷(2007年第1-6期)分类总目次

邹小燕( 3 ) 4,4
i… ~
皇形 执 — 甫 寸] 垌l 珊 莆 m、 峦 晕 l 管 的
yI… … … I●… 、 l ~ … ’… … … …
箫 律
, 、 ’ 、 … …
忏 击 芩 基
… I , …
士 术
, …
『 笙 1 睡
… J 、
邢大鹏 , 雷 霞, 李 佳 ( , 8 4 1)


D vdMo k v zFe ei so 同 伏秋 , 4 2 ai s o i ,rd r kWe tn t c 等( ,)
国家电网公司全面实施 电力计量标准化建设 胡江溢 , 周宗发 , 杜新纲 , 4 5 等( , )
… … … … … … … … … …
. .
电压无功优化控制系统在地区电网中的应用 ……… . 袁 丁, 郭西进 ( ,8 2 1) 电力普遍服务 补偿 机制研究
ห้องสมุดไป่ตู้
负荷 管理系统与统一数据采集平台建设 … … 姚 肖禹( ,) 32 加快 电能信息 系统的建设和应用 ……… …… 王志 刚( 4 3,) 广州地区电力负荷 管理 系统的应用与发展 … 曾威谋( ,) 3 5 负荷管理系统的功能定位 及技术取向 … …… 徐仁武( ,) 3 6 欧洲电力需求侧 管理对 中国的启示( 下) 来自中国赴欧洲电力需求侧管理的培训报告 中国赴 欧洲 电力需求侧管理培训l 3 8 团( , ) 节能 减排 : 电力需求侧管理任重道远 学习《 节能减排综合性工作方案》… … 本 刊编辑部 ( 1 4,) 大力推行能效 电厂 , 支持实现 国家节能减排 目标
合 同能源管理项 目的风险评估 … … 王 婷 , 胡 珀( ,4 52 ) 基于 S M 修正模糊多属性决策法的用电客户信 用评价 V .牛东晓 , 顾曦华 ( ,7 52 )

虚拟变量 实验报告

虚拟变量 实验报告

虚拟变量实验报告引言虚拟变量(dummy variable)是在统计学中常用的一种技术,用于表示分类变量。

通过将分类变量转换为二进制数值变量,虚拟变量可以在回归分析、方差分析以及其他统计模型中发挥重要作用。

本实验报告旨在介绍虚拟变量的概念、用法以及在实际应用中的一些注意事项。

虚拟变量的定义虚拟变量是一种二元变量,用于表示某个特征是否存在。

通常情况下,虚拟变量的取值为0或1。

虚拟变量可以用于将分类变量转换为数值变量,使其适用于各种统计模型。

虚拟变量的应用虚拟变量主要用于以下两个方面的统计模型:1. 回归分析在回归分析中,虚拟变量被用于表示一个分类变量的不同水平。

例如,在研究某产品的销售量时,可以引入虚拟变量表示该产品是否进行了促销活动。

这样,回归模型就可以分析促销活动对销售量的影响。

2. 方差分析方差分析是一种用于比较不同组之间差异的统计方法。

虚拟变量可以用于表示不同组的存在与否。

例如,在研究不同药物对某种疾病治疗效果时,可以引入虚拟变量表示不同药物的使用与否,进而进行方差分析。

如何创建虚拟变量创建虚拟变量的方法通常有两种:1. 单变量编码单变量编码是最常见的创建虚拟变量的方法。

对于具有k个水平的分类变量,单变量编码将该变量转换为k-1个虚拟变量。

其中,k-1个虚拟变量分别表示k个水平的存在与否。

例如,在研究不同颜色对产品销售量的影响时,可以使用单变量编码将颜色变量转换为两个虚拟变量,分别表示是否为蓝色和是否为红色。

2. 二进制编码二进制编码是一种使用更少虚拟变量的方法。

对于具有k个水平的分类变量,二进制编码将该变量转换为log2(k)个虚拟变量。

其中,每个虚拟变量都表示一个水平的存在与否。

例如,在研究不同国家对某项政策的支持时,可以使用二进制编码将国家变量转换为几个虚拟变量,每个虚拟变量表示一个国家的存在与否。

虚拟变量的注意事项在使用虚拟变量时需要注意以下几点:1.避免虚拟变量陷阱:虚拟变量陷阱是指多个虚拟变量之间存在完全共线性的情况,这会导致回归模型的多重共线性。

虚拟仪器技术在家用电器检测中的应用

虚拟仪器技术在家用电器检测中的应用

电流 、电压等 的测量为例 向大家介绍虚拟仪器 技术在家 电检测方面的应用。
2 . 1检 测 原 理
对 电流、 电压等 的计 算 公式可 以通 过 电 流、 电压值和平均功率推导出来。
2 . 2 硬 件 方 面
DAQ数据 采集 ,是 以计 算机标 准总线 为 基础 的内置功 能插卡,能够 做到 “ 一机 多用”、 【 关键词 】虚拟仪器技术 家用 电器 检测应用
结合,其 中对数据进行测试 、采集 和控制的工 作 由硬件来完成 ,而计算机 软件主 要负责的是 对数据的处理和分析 ,并将数据上传 和展 示出 来【 1 】 。 不 同的软件程序 能够 完成不 同的操 作, 通过点击显示器屏幕上 的软件 图标 ,可 以完成 对 仪器的控制。 1 . 1虚 拟仪 器的优点 和 传 统仪 器相 比,虚 拟仪 器主 要 有三 大
号采集卡输入和输 出的要求 。在这一过程 中,
P C机组要实现的是对数据的输入 、 输 出、 存储 、 处理、运算 、分析和 测试等。经 由 V / I 转换 电 路,电流和 电压信号可转换成弱 电信号 ,之后 经过 A/ D 电路转换成数字信号进行传输 。
2 . 3检 测 结 果 方 面
总线 ,以提升定时的精确性 ;加设 了参考 时钟
和触发 总线,以实现多板同步运行 。 VXI 是仪器领域 中对 VJ E总线 的拓 展, 是基于 I E E E 4 8 8标准 、E u r o c a r d标 准 和 VME 总线 ,并针对 开放性仪器 由制造商共 同制 定的 总线标准 。VXI 系统的灵活性极强 ,系统 的功 能模块可 以依据 功能需求进行更换 。它 的硬件 是依照标准制 定的,具有通用性 ,其 良好 的系

人工智能技术在电量预测中的应用

人工智能技术在电量预测中的应用

人工智能技术在电量预测中的应用随着时代的发展,人工智能技术已经深入到我们生活的各个领域,而其中最能够提升效率,优化生活的应用之一,便是在能源领域的应用。

在电力产业中,人工智能技术的应用已经成为了一种趋势,尤其是在电量预测这个领域。

本文将探讨人工智能技术在电量预测中的应用现状和未来发展趋势。

一、现状1.1 传统电量预测的不足传统的电量预测主要是基于历史的数据进行统计,只能做到粗略的预测,而预测的准确性受到诸多因素的限制,如天气、用电习惯等,预测结果的偏差较大,无法满足电厂和电力系统的需求。

1.2 人工智能技术的应用与传统预测方法相比,人工智能技术的应用可以更好地解决电量预测的问题。

人工智能技术可以,根据历史用电数据、当天天气、人口迁移历史等诸多因素进行精细化预测, 而且可以根据数据动态调整,更准确地进行预测。

1.3 应用案例美国能源部门提出了一项名为“C90”的研究计划,该计划使用人工智能技术进行电量预测。

该系统可以根据客户和天气等信息进行智能精确的电量预测,可使电力在线路、发电和供应方面的成本得到优化。

通过该系统预测出的电力需求可以优化电力生产计划和电力网络规划,从而实现更便宜、更可靠的电力服务。

二、发展趋势2.1 数据的重要性电量预测的核心是基于数据,而对于人工智能模型而言,数据质量和数量决定了模型的好坏。

因此,未来电量预测将着重于数据采集和处理,以此提高预测的准确性。

2.2 多元化的数据来源随着互联网的发展,人工智能技术可以收集更广泛、更多样化的数据。

除了天气数据、用户用电数据外,未来的电量预测会涉及到更多和电力相关的数据,例如,电力市场、区域差异、稳定性等因素。

2.3 模型的优化模型是电量预测的关键,今后会进一步优化。

通过引入更复杂的机器学习、深度学习等模型,提高预测的准确性;通过增加机器学习、模型融合等方法,减小模型预测误差;增加对停电人数、受电用户数量和假期等特殊情况的正确预测,更好地适应复杂情况。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
方法 。虚 拟变 量理 论 在计 量 经济 学 中回归 问题 、 协
当某项 变量 的性 质对 应变 量 有影 响时 , 么 那
当满 足某 项 性 质 的 要求 , 则 为 1否 则 为 0 这样 , , 能 够 使 回归 模型 更好 的拟 合 实 际值 。 是 虚拟 变量 这
最 简单 的运 用 。
(. 南 大学 电气工 程 系 , 1 东 江苏 南 京 20 9 ;. 京供 电公 司 , 苏 南京 2 00 ) 10 62南 江 10 8
摘 要 : 绍 了线 性 回 归 分析 中虚 拟 变 量 的概 念 和 意 义 , 据 日用 电量 随 时 间 和 温 度 变 化 的特 性 , 其 分段 并 引 入 介 根 将
变 量 的估 计 参 数 ; 为 回归 系数 ; 为 自变量 ; 置
为 随机误差 项 。
广泛 的人工神经网络法 。 可以通过权值和阀值 的调
整来 逼 近 函数 , 无法 给 出 明确 的数 学 模 型和 模 型 但 的经济 意 义 。计量 经 济学 理 论有 着 数 理性 严 密 、 数 学 意义 明确 等 优 点 。 为负 荷预 测 提供 更 多 的实 用 可
性 质 的变 量 的影 响 , 了充 分 考 虑 这 些 影响 , 回 为 在 归分 析 中引入 了虚拟变 量 的概念 [ 。虚 拟变量 的 主 要作 用有 2点 。
2 基 于虚 拟 变 量 的 日用 电量 预 测 模 型
21电力 系统 负荷影 响 因素 [ . ’ ]
本 模型 的建立 中 , 由于虚拟 变量 的引入 , 于 近 对
1 线性 回归分析 中虚拟变量的概念和意义
回归 分 析 是 应 变 量 对 一 个 或 者 多 个 解 释 变 量
依 赖关 系的研 究 , 用意 在 于通 过 解 释 变量 的 已知 其
或 者估 计值 , 去估 计 和预 测应 变 量 的 均值 。线 性 回
和应 变量 的关系 。 同时 , 当注 意 的是 , 释变量 不 应 解
相应的虚拟变量。 在此基础上建立 电量预测的回归模型 , 以南京 市 2 0 并 0 2年至 2 0 04年 日用电量为样本进行预测检
验 。 测 结果 表 明 了该 方 法 的 有 效性 。 预
关 键词 : 虚拟 变量 ; 日用电量 ; 预测 ; 温度
中图分 类号 :M7 5 T 1
文 献标识 码 : B
量与 温度相 关联 系 的复杂关 系 , 有着结 构简 洁 、 预测 准确 、 回归 参数 经济 意义 显著 等优 点 。通过 20 0 2年 至 20 04年南 京 市 电力 负 荷 的 日用 电量 数 据分 析 验 证. 充分说 明了该模 型 的有效 性 和预测 的准确 性 。
热啪虚变,{ 拟量
是 不一 样 的
蠹 内
在每个 时期 内 , 解释变量 置 和应 变量 的关 系
现 假设 在 第 a时期 内 , 有 : 则
Y = c 0 + J + ) +『 0 + : ( 1 上 0 。 B () 3 可见 。 假 变量 的引入 灵 活 地 反应 了解 释变 量 虚
( ) 过 虚 拟 变量 的引 入 , 以把 解 释 变 量对 2 通 可
整 分 析 等研 究 领 域 中 常被 使 用 来 帮 助 解 决 变 结 构 问题 。 在金 融 分 析 、 民经 济 预测 等方 面都 有 着 广 国 泛 的应 用 口 。虚 拟 变量 能 够处 理 回归 问题 中定 性 -
年 来 负荷 随 着经 济 发展 而 不 断增 长 的显著 特 性 , 以
及 温度 对 于 1 作 日 日用 电量 的 明显 影 响等 因 素均 二 予 以了充分 考虑 . 同时 区分 了负荷 的季节 特性 。 本文
( )当应变 量 考 虑 定性 因素 影 响 时 , 1 虚拟 变 量
可 以方便 回归 分析建 模 。例 如 以下模 型 :
因素 的影 响 。 把 解 释变 量对 应 变 量 的不 同 函数 关 并 系分 类 考 虑 。本文 在 用 电量 预测 回归 模型 中 。 引入
应 变 量 的影 响分 为 2个 或 者 多个 阶段 . 每个 阶段 中 解 释 变量 和应变量 的依赖关 系 可 以是 不 同的 。 这样 . 在 解 释变 量本 身性 质 发 生 变化 时 。 然 可有 效 地构 依
同阶 段 的划 分 。 须 按 照 其 与应 变 量 之 间函数 关 系 必 发 生 了变化 作为依 据标 准 。
归 分 析是 回归 分析 的一个 重 要组 成 部 分 。 电力 系 在 统 负 荷预 测 和用 电量 预测 中具有 重 要 应用 意 义 ¨] 。
在 回归 分 析 中 . 变 量往 往 要受 一些 实 质 上为 定 性 应
造 出解 释变 量和应 变量 的回归关 系 。 型表示 如下 : 模
了 将
考虑 . 同时兼顾 了用 电量 随 时 间 的增 长趋 势及 用 电
Y=: 2 aD.f i 2 ( i0+ lj  ̄l + 0 — +1
) 『 () +上 2
维普资讯

2 0 年 5月 06





第2卷 第3 5 期 1
Ja gu E e t c l gn ei g in s lc ia ie r r En n

虚拟变量在 日用 电量预测 中的应用
李 翔 , 高 山 陈 昊 ,
文章编 号 :0 9 0 6 (0 6 0 — 0 1 0 10 — 6 5 2 0 )3 00 — 3
用 电量及 电力 负荷 预 测 的方 法 有很 多 。 用 的 常
式 中 : 为应变 量 ;t O为常数 项估 计参 数 ; t为虚 拟 O
有趋 势外 推法 、 灰度 预测 法等 [2。近年来应 用 比较 ] .
相关文档
最新文档