预测模型构建方法、预测方法、装置、设备及介质.pdf

(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CN113762470A(43)申请公布日2021.12.07(21)申请号202110971578.1(22)申请日2021.08.23(71)申请人迟源地址100163北京市大兴区西红门镇大白楼村北京电力科学院计量中心申请人戴志波(72)发明人迟源戴志波(74)专利代理机构北京志霖恒远知识产权代理事务所(普通合伙)11435代理人郭栋梁(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书7页附图4页(54)发明名称预测模型构建方法、预测方法、装置、设备及介质(57)摘要本申请公开了一种本申请实施例提供了一种预测模型构建方法、预测方法、装置、设备及介质，该方法包括：获取电能计量误差预测影响因子的历史数据；基于该历史数据，训练生成电能计量误差预测的神经元模型；基于该神经元模型，构建电能计量误差预测的目标模型，该目标模型用于预测电能计量装置作业过程中产生的误差。本申请实施例通过采集对电能计量结果产生影响的影响因子的历史数据，进而基于LSTM网络，对所采集的历史数据进行分析训练，以构建电能计量误差的预测模型，从而可以利用所构建的预测模型，对电能计量装置在电能计量过程中的误差进行科学准确的预测，提高了预测效率，降低了预测难度。CN113762470ACN113762470A权利要求书1/1页1.一种电能计量误差预测模型构建方法，其特征在于，所述方法包括：获取电能计量误差预测影响因子的历史数据；基于所述历史数据，训练生成电能计量误差预测的神经元模型；基于所述神经元模型，构建电能计量误差预测的目标模型，所述目标模型用于预测电能计量装置作业过程中产生的误差。2.根据权利要求1所述的电能计量误差预测模型构建方法，其特征在于，所述影响因子包括电压、电流、功率因数和/或温度。3.根据权利要求2所述的电能计量误差预测模型构建方法，其特征在于，所述神经元模型包括遗忘门、输入门、输出门以及tanh函数。4.根据权利要求3所述的电能计量误差预测模型构建方法，其特征在于，所述遗忘门、输入门、输出门以及tanh函数的计算公式分别为：fn＝δ(Wf，xXn+Wf，yYn‑1+bf)in＝δ(Wi，xXn+Wi，yYn‑1+bi)on＝δ(Wo，xXn+Wo，yYn‑1+bo)hn＝hn‑1fn+intanh(WcXn+UcYn‑1+bcyn＝ontanh(hn)其中，δ表示sigmoid函数，W为权重，x为遗忘门对应的上一时态输出信息的权重，b为偏置。5.根据权利要求2所述的电能计量误差预测模型构建方法，其特征在于，所述目标模型包括输入层、隐含层和输出层，所述隐含层中包括多个神经元。6.一种电能计量误差预测方法，其特征在于，所述方法包括：获取电能计量误差预测影响因子的测试数据；将所测试数据输入到预先构建的电能计量误差预测的目标模型中，输出电能计量装置作业过程中的误差，所述目标模型基于长短期记忆网络构建。7.一种电能计量误差预测模型构建装置，其特征在于，所述装置包括：获取模块，用于获取电能计量误差预测的影响因子的历史数据；第一构建模块，用于基于所述历史数据，训练生成电能计量误差预测的神经元模型；第二构建模块，用于基于所述神经元模型，构建电能计量误差预测的目标模型，所述目标模型用于预测电能计量装置作业过程中产生的误差。8.一种电能计量误差预测装置，其特征在于，所述装置包括：获取模块，用于获取电能计量误差影响因子的测试数据预测模块，用于将所测试数据输入到预先构建的电能计量误差预测的目标模型中，输出电能计量装置作业过程中的误差，所述目标模型基于长短期记忆网络构建。9.一种处理设备，其特征在于，所述处理设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述程序时实现如权利要求1‑6任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如权利要求1‑6任一项所述方法。2CN113762470A说明书1/7页预测模型构建方法、预测方法、装置、设备及介质技术领域[0001]本申请一般涉及电能计量作业技术领域，尤其涉及预测模型构建方法、预测方法、装置、设备及介质。背景技术[0002]随着电网规模的不断发展，其主设备日益增多，且健壮、智能的大电网也日趋完善，对电能计量装置的准确提出了更高的要求。[0003]电能计量装置是发电公司、电网公司、售电公司及电力用户之间进行准确计量、精准贸易结算、公平公正交易及电力系统内部经济技术指标考核的重要工具，其运行的准确性和稳定性直接关系到贸易双方的经济利益，新电改的推行加快了电力市场多元化的步伐，使得售电利益关系趋于复杂化，与此同时，贸