申请/专利权人：国网江西省电力有限公司电力科学研究院;国家电网有限公司;国网江西省电力有限公司新余供电分公司

申请日：2020-09-04

公开（公告）日：2022-05-10

公开（公告）号：CN112001564B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.05.10#授权;2020.12.15#实质审查的生效;2020.11.27#公开

摘要：本发明涉及一种基于长短期记忆的用户离家时间预测方法，包括以下步骤：步骤1：用户的历史出行数据的记录；步骤2：分别对用户历史回家时间和历史离家时间、这二类数据进行归一化处理，历史初始SOC以及历史目标SOC因为取值处于0到1的区间，无需进行归一化处理；步骤3：对历史数据进行分组，按照表1对应选取输入量和输出量，即组输入量应有9个输入元素；步骤4：对步骤3中产生的数据组进行分组；步骤5：对LSTM网络进行参数设置并对预测网络进行训练；步骤6：用户离家时间的预测值的获取。步骤7：特殊情况应对。该用户离家时间预测模型相较于传统的用户自主设置的方式，能有效减小误差，避免功率浪费以及恶性竞争问题。

主权项：1.一种基于长短期记忆网络的用户离家时间预测方法，其特征是包括下列步骤：步骤1：用户的历史出行数据的记录；步骤2：分别对用户历史回家时间和历史离家时间、这二类数据进行归一化处理，历史初始SOC以及历史目标SOC因为取值处于0到1的区间，无需进行归一化处理；步骤3：对历史数据进行分组，按照常见电动汽车基本参数对应选取输入量和输出量；每组输入量应有9个输入元素，包括预测日一周前离家时间-上一个出行日内离家时间-预测日一周前回家时间-上一个出行日内回家时间-预测日回家时间-预测日一周前初始SOC-上一个出行日内初始SOC-预测日初始SOC-目标SOC-SOCtar；步骤4：对步骤3中产生的数据组按式13和式14进行分组： 式中，Inputi和Outputi分别是第i组训练数据中的输入量和输出量；表示该用户在当前充电周期内的离家时间预测值；用户的出行以周为单位，表示上一个出行日内离家时间；表示预测日一周前离家时间；表示该用户当前充电周期内的回家时间；表示上一个出行日内回家时间；表示预测日一周前回家时间；表示该用户在当前充电周期内的初始SOC；表示上一个出行日内初始SOC；表示预测日一周前初始SOC；SOCtar表示该用户的目标SOC；步骤5：对LSTM网络进行参数设置并对预测网络进行训练；1.根据过去一周内的出行数据，按照式13选取数据作为输入量；按照式14选取数据作为输出量；2.按照80％的比例选取每位用户的出行数据作为训练组，以后20％作为测试组；3.以含有100天出行数据的用户为例，其中80天为训练数据，考虑到需要利用前一周的数据，故应该从第八天开始预测，故该用户的预测数据共有73组；利用这73组数据对该用户的LSTM预测模型进行训练并完成对模型的训练；4.后20天的检测组数据同样进行预测，同时记录这20组中每一组的预测情况，以均方根误差作为指标对模型进行评估；步骤6：用户离家时间的预测值的获取；步骤7：特殊情况应对。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司电力科学研究院;国家电网有限公司;国网江西省电力有限公司新余供电分公司 基于长短期记忆网络的用户离家时间预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD