(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 202111301260.9 (22)申请日 2021.11.04 (71)申请人 杭州经纬信息技 术股份有限公司 地址 310000 浙江省杭州市余杭区良渚古 墩路1899号A1幢6楼626 -628室 (72)发明人 黄晶　严珂　钟宜国　张伟　 陈青海　 (74)专利代理 机构 杭州创智卓英知识产权代理 事务所(普通 合伙) 33324 代理人 张超 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 一种基于多户电力消耗预测模型的预测方 法及装置 (57)摘要 本申请提供一种基于多户电力消耗预测模 型的预测方法及装置， 其中， 该方法包括： 采集多 个用电主体的电力消耗序列数据； 对电力消耗数 据进行采样， 并对采样数据进行预处理， 基于预 处理后的数据确定训练集和测试集； 用训练集和 测试集对电力消耗预测模型进行本地训练得到 通用模型， 通过通用模型对待预测用户的用电情 况进行预测， 通过本申请， 解决了电力消耗预测 模型的训练效率低和数据易泄露的问题， 在保证 预测精度和数据隐私的前提下， 仅用一个通用模 型就能实现对 各种家庭电力数据的预测， 具有强 大的泛化能力。 权利要求书2页 说明书9页 附图5页 CN 114118530 A 2022.03.01 CN 114118530 A 1.一种基于多户电力消耗预测模型的预测方法， 其特 征在于， 所述方法包括： 采集多个用电主体的电力消耗数据， 所述电力消耗数据为按照时间顺序记录的各个时 段数据； 对所述电力消耗数据进行采样， 并对采样数据进行预处理， 基于预处理后的数据确定 训练集和 测试集； 基于所述训练集和所述测试集， 对电力消耗预测模型进行训练得到通用模型； 通过所述通用模型对待预测用户的用电情况进行 预测。 2.根据权利要求1所述的方法， 其特征在于， 基于所述训练集和所述测试集， 对电力消 耗预测模型进行训练得到通用模型包括： 基于所述训练集和所述测试集， 对每个用电主体的 电力消耗预测模型进行训练， 并将 训练好的模型参数传递给中央服 务器； 所述中央服务器对所述模型参数进行融合， 将融合数据 下发到各个所述电力消耗预测 模型中进行循环训练， 直到生成通用模型。 3.根据权利要求1所述的方法， 其特征在于， 基于预处理后的数据确定训练集和测试集 包括： 将预处理后的数据划分为87％训练集和13％测试集。 4.根据权利要求2所述的方法， 其特征在于， 基于所述训练集和所述测试集， 对每个用 电主体的电力消耗预测模型进行训练包括： 所述电力消耗预测模型为联邦学习和BiLSTM结合的模型， 即Fed_BiLSTM模型， 所述联 邦学习和BiLSTM结合的模型包括五个并行任务模块和一个中心模块， 其中， 每个所述任务 模块由一个Bi LSTM神经网络层和一个全连接层组成； 所述中心模块中的服务器与客户端通过TCP协议建立连接后， 基于所述训练集和所述 测试集， 通过 所述任务模块训练每 个用电主体的电力消耗预测模型。 5.根据权利要求2所述的方法， 其特征在于， 将融合数据 下发到各个所述电力消耗预测 模型中进行循环训练， 直到生成通用模型包括： 将融合数据下发到各个所述电力消耗预测模型中， 通过所述电力消耗预测模型的损失 函数 以及通用模型的损失函数 进行循环训练； 通 过 最 小化 平 均绝 对 误 差 平 均绝 对百 分比 误 差 和均方根误差 对每次训练后 的模型进行评估 优化， 直至生成通用模型； 其中， m表示数量特 征， y＝{y1,y2,…,yN}表示预测值， 表示实际值。 6.根据权利要求1所述的方法， 其特 征在于， 对 采样数据进行 预处理包括： 将用电主体的数据集上传到各个节点， 进行异常处理并且利用Z ‑Score对电力消耗数 据进行放缩， 得到平均值 为0和标准差为1的预处 理后的电力消耗数据。权　利　要　求　书 1/2 页 2 CN 114118530 A 27.一种基于多户电力消耗预测模型的装置， 其特 征在于， 所述装置包括： 采集模块， 用于采集待预测的 电力消耗数据， 所述电力消耗数据为按照 时间顺序记录 的各个时段 数据； 分析模块， 用于对所述电力消耗数据进行异常处 理和预处 理； 确认模块， 用于基于预处 理后的数据确定训练集和 测试集； 训练模块， 用于基于训练集和测试集， 对初始电力消耗预测模型进行训练得到通用模 型； 预测模块， 用于通过训练好的通用模型对待预测用电主体的用电情况进行 预测。 8.根据权利要求7 所述的装置， 其特 征在于， 所述训练模块还 包括： 所述训练模块基于所述训练集和所述测试集， 对每个用电主体的电力消耗预测模型进 行训练， 并将训练好的模型参数传递给中央服 务器； 所述训练模块通过中央服务器对所述模型参数进行融合， 将融合数据 下发到各个所述 电力消耗预测模型中进行循环训练， 直到生成通用模型。 9.一种电子设备， 包括处理器和存储器， 所述存储器上存储有计算机程序， 其特征在 于， 所述计算机程序在被所述处理器运行时执行如权利要求 1至6任一项 所述的基于多户电 力消耗预测模型的预测方法。 10.一种计算机可读存储介质， 介质上存储有计算机程序， 其特征在于， 所述计算机程 序被处理器运行时执行上述权利要求1至6任一项所述的基于多户电力消 耗预测模型 的预 测方法。权　利　要　求　书 2/2 页 3 CN 114118530 A 3