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：四川思极科技有限公司

摘要：本发明公开了基于机理驱动的居民小区电力负荷预测方法、系统及介质；涉及负荷预测技术领域；采集用户的历史电力数据，并对所述历史电力数据进行预处理；基于非侵入式辨识方法分析预处理后的历史电力数据，辨识出不同负荷类型成分；基于各负荷类型成分构建温度与电力负荷的关系；根据不同负荷类型成分，以及温度与电力负荷的关系，构建基于机理驱动的迁移学习预测模型进行用户的电力负荷预测；实现基于机理驱动的居民小区极端天气负荷预测，基于迁移学习预测模型将已有的电力负荷预测源域在相似领域中学习到经验，并迁移到目标极端天气负荷预测中，提高了极端天气负荷预测的性能和准确性。

主权项：1.基于机理驱动的居民小区电力负荷预测方法，其特征在于，包括：采集用户的历史电力数据，并对所述历史电力数据进行预处理；基于非侵入式辨识方法分析预处理后的历史电力数据，辨识出不同负荷类型成分；基于各负荷类型成分构建温度与电力负荷的关系；所述温度与电力负荷的关系为第一公式： ；其中，pMAX为用户的最大电力负荷；fMAX、fMIN分别为用户所在居民小区的最大温度和最小温度；pINS为温度不敏感电力负荷，σ表示用户所在居民小区的最大温度和用户所在居民小区的最小温度的相关系数；根据不同负荷类型成分，以及温度与电力负荷的关系，构建基于机理驱动的迁移学习预测模型；具体包括方法：以不同负荷类型成分，和温度与电力负荷的关系作为迁移学习模型的源域；基于所述源域训练迁移学习模型的预测目标域得到所述预测目标域的特征，从而构建出基于机理驱动的迁移学习模型；所述迁移学习模型以经验风险来衡量负荷迁移学习的效果；所述迁移学习模型以经验风险来衡量负荷迁移学习的效果，包括方法：在所述迁移学习模型进行电力负荷预测过程中，当经验风险最小时，预测目标域的误差最小，对应的最佳电力负荷预测参数β满足第二公式： ；式中：G为电力负荷预测的边缘分布函数，x、y分别为第一负电力荷预测映射参数和第二电力负荷预测映射参数；l为负荷预测参数映射函数，λ为电力负荷预测的学习参数，ψ为电力负荷预测的学习参数集合；采集用户的电力数据并进行预处理，将预处理后的电力数据输入所述迁移学习预测模型预测出用户的电力负荷。

全文数据：

权利要求：

百度查询： 四川思极科技有限公司 基于机理驱动的居民小区电力负荷预测方法、系统及介质