(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 202111462418.0 (22)申请日 2021.12.02 (71)申请人 国网浙江省电力有限公司经济技 术 研究院 地址 310002 浙江省杭州市上城区南复路1 号水澄大厦 (72)发明人 刘曌煜　王蕾　戴攀　邹波　 黄晶晶　朱超　张曼颖　胡哲晟　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 韩丽波 (51)Int.Cl. G06F 30/27(2020.01) G06F 111/06(2020.01) G06F 113/04(2020.01)G06F 119/02(2020.01) (54)发明名称 一种能源 数据预测模 型的训练方法、 预测方 法及装置 (57)摘要 本申请公开了一种能源数据预测模型的训 练方法， 包括： 从智能电网中获取待训练基础数 据； 将待训练基础数据输入优化模型， 得到待训 练优化数据， 其中， 优化模型包括消费者剩余能 源优化模型、 消费者能源成本优化模 型和总能量 成本模型； 待训练优化数据包括消费者剩余能源 数据、 消费者能源成本数据、 总能量成本数据； 根 据待训练基础数据和待训练优化数据， 基于高斯 过程回归模 型对能源数据预测模 型进行训练。 本 申请通过将消费者剩余能源数据、 消费者能源成 本数据、 总能量成本数据作为训练数据， 结合高 斯过程回归模 型对能源数据预测模 型进行训练， 考虑了可再生能源的随机性， 从而解决了在消费 者能源生产和消费者能源消费上存在供需不平 衡的问题。 权利要求书2页 说明书9页 附图2页 CN 114117932 A 2022.03.01 CN 114117932 A 1.一种能源数据预测模型的训练方法， 其特 征在于， 包括： 从智能电网中获取待训练基础数据； 将所述待训练基础数据输入优化模型， 得到待训练优化数据， 其中， 所述优化模型包括 消费者剩余能源优化模型、 消费者能源成本优化模型和总能量成本模型； 所述待训练优化 数据包括消费者剩余能源数据、 消费者能源成本数据、 总能量成本数据； 根据所述待训练基础数据和所述待训练优化数据， 基于 高斯过程 回归模型对能源数据 预测模型进行训练。 2.根据权利要求1所述的方法， 其特征在于， 所述待训练基础数据包括： ERES,max、 ED,max， 所述消费者剩余能源 优化模型包括： 其中， 表示第h小 时的可再生能源产生的消耗性能源， ERES,max表示可再生能源产生 的最大消耗性能源， 表示第h小时的消耗性能源需求， ED,max表示最大消耗性能源需求， 而 表示第h小时的消费者剩余能源数据。 3.根据权利要求1所述的方法， 其特征在于， 所述待训练基础数据包括： ph、 ERES,max、 ED,max， 所述消费者能源 优化成本模型包括： 其中， ph表示第h小时智能电网提供的消费者能源进口率， 表示第h小时的可再生能 源产生的消耗性能源， ERES,max表示可再生能源产生的最大消耗性能源， 表示第h小时的消 耗性能源需求， ED,max表示最大消耗 性能源需求， 表示第h小时的消费者能源成本数据。 4.根据权利要求1所述的方法， 其特 征在于， 所述总能量成本模型包括： 权　利　要　求　书 1/2 页 2 CN 114117932 A 2其中， 是智能电网提 供的名义价格， 是从公用事业部门进口的消费者能源， ph表示 第h小时智能电网提供的消费者能源进口率， ERES,max表示可再生能源产生 的最大消耗性能 源， ED,max表示最大消耗性能源需求， 表示第h小时的消费者剩余能源数据， GR表示总能量 成本。 5.根据权利要求1所述的方法， 其特 征在于， 所述高斯过程回归 模型包括： y＝h(x)Tβ +f(x),f(x)～GP(0,k(x,x)') 其中， x表示待训练基础数据， y表示待训练优化数据， 潜函数f(x)表示待训练基础数据 基于协方差k(x,x)'的高斯过程， h(x)T表示待训练基础数据的显式基函数， β 表示待训练基 础数据的系数， GP表示高斯过程， k(x,x)'表示高斯过程中的核函数。 6.一种能源数据预测的方法， 其特 征在于， 包括： 获取智能电网中的待预测基础数据； 基于所述待预测基础数据， 通过能源数据 预测模型获取所述待预测基础数据对应的预 测结果， 所述预测结果包括消费者剩余能源数据、 消费者能源成本数据、 总能量成本数据， 所述能源数据预测管理模型为采用上述权利要求1至 5中任一项方法训练得到的。 7.一种能源数据预测模型的训练装置， 其特 征在于， 包括： 获取模块， 用于从智能电网中获取待训练基础数据； 所述获取模块， 还用于将所述待训练基础数据输入优化模型， 得到待训练优化数据， 其 中， 所述优化模型包括消费者剩余能源优化模型、 消费者能源成本优化模型和总能量成本 模型； 所述待训练优化数据包括消费者剩余能源数据、 消费者能源成本数据、 总能量成本数 据； 训练模块， 用于根据所述待训练基础数据和所述待训练优化数据， 基于高斯过程回归 模型对能源数据预测模型进行训练。 8.一种能源数据预测装置， 其特 征在于， 包括： 获取模块， 用于获取智能电网中的待预测基础数据； 预测模块， 用于基于所述待预测基础数据， 通过能源数据预测管理模型获取所述待预 测基础数据对应的优化数据， 所述优化数据包括消费者剩余能源数据、 消费者能源成本数 据、 总能量成本数据， 所述能源数据预测管理模型为采用上述权利要求1至5中任一项方法 训练得到的。 9.一种计算机设备， 其特 征在于， 包括： 存 储器、 收发器、 处 理器以及总线系统； 其中， 所述存 储器用于存 储程序； 所述处理器用于执行所述存储器中的程序， 以实现权利要求1至5中任一项所述的方 法， 或， 实现权利要求6所述的方法； 所述总线系统用于连接所述存储器以及所述处理器， 以使所述存储器以及所述处理器 进行通信。 10.一种计算机可读存储介质， 其特征在于， 存储有指令， 当其在计算机上运行时， 使得 计算机执 行如权利要求1至 5中任一项所述的方法， 或， 执 行如权利要求6所述的方法。权　利　要　求　书 2/2 页 3 CN 114117932 A 3