(19)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 202211106478.3 (22)申请日 2022.09.12 (71)申请人 国网江苏省电力有限公司 地址 210000 江苏省南京市上海路215号 申请人 南京通衡信息科技有限公司 　 李艺丰 (72)发明人 李艺丰　丁超杰　曹帅　张振华　 赵玉林　李蓝青　王博仑　王余阳　 (51)Int.Cl. G06F 16/2458(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种针对电网时序数据的分类方法 (57)摘要 本发明提供一种针对电网时序数据的分类 方法。 所述针对电网时序数据的分类方法包括以 下步骤： S1.收集电网的时序数据； S2.对收集的 电网时序数据进行预处理； S3.将处理完成的实 时电网时序数据划分成K个固定段； S4.根据训练 预测器进行预测值计算， 然后根据实际下一序列 值与预测值比较， 产生预测误差平均值， 其预测 误差平均值决定序列属于某类别。 本发明提供的 针对电网时序数据的分类方法利用人工智能方 法根据电网的时序消耗数据自动对不同类型的 用电消费种群进行分类， 而且可以检测测量错误 或估计预期消耗， 进而可以提高电力运输和需求 供应管理效率的优点。 权利要求书2页 说明书5页 附图1页 CN 115510123 A 2022.12.23 CN 115510123 A 1.一种针对电网时序数据的分类方法， 其特 征在于， 包括以下步骤： S1.收集电网的时序数据； S2.对收集的电网时序数据进行 预处理； S3.将处理完成的实时电网时序数据划分成K个固定段； S4.根据训练预测器进行预测值计算， 然后根据实际下一序列值与预测值比较， 产生预 测误差平均值， 其预测误差平均值决定序列属于某类别。 2.根据权利要求1所述的针对电网时序 数据的分类方法， 其特征在于： 所述步骤S2中的 数据预处 理包括有： 清理异常值 等。 3.根据权利要求1所述的针对电网时序 数据的分类方法， 其特征在于： 所述步骤S4中的 训练预测器步骤 包括如下： (1).将电网时序数据送入人工神经网络中， 学习到 权重参数W； (2).利用学习到的权 重参数对测试集进行测试， 得到该序列属于的消费者类别。 4.根据权利要求3所述的针对电网时序 数据的分类方法， 其特征在于： 所述测试计算包 括以下步骤： (1).输入消 费者的总类别数M， 记第i个消 费者类别为C(i),则相应的预测器记为Γ(i) (.),通过使用来自相应时间序列的样本来组成预测方法的训练集： 时间序列元素之间相关性中的固有信息可用于预测即将出现的值， 因此， 分类问题归 结为真实的 与经过前k个时间段学到的估计值 之间的比较， 这个估计值是通过预 测器的学习自由参数W(j)计算得到的 时间序列i和预测器j的预测误差序列是时间序列的实际值和估计值的绝对差: 因此， 通过寻找使预测误差的均方根 最小的预测器Γ(i)(.)来进行分类： 为了避免被分类的时间序列不属于任何类别的情况， 必须调查真实值与其估计值之间 的差异， 如果超过给定阈值(Δ)， 则该值不符合预测 器学习的过程属性， 对于每一个类别C (i)可能存在不同的阈值， 记每一个类别的阈值为Δ(i),如果实际值和预测值的差值大于所 有Δ(i)， 则所调查的序列不属于任何类别， 在测试过程中为了简单起见， 我们使用的阈值如 下， 首先计算类内预测误差值， 使用Γ(i)(.)计算来自C(i)的所有时间序列的预测误差,然后 将Δ值计算 为类内误差值的均值和偏差之差:权　利　要　求　书 1/2 页 2 CN 115510123 A 2其中， μ(j)是类内误差值的平均值: 权　利　要　求　书 2/2 页 3 CN 115510123 A 3