JP2022510667A - エネルギー消費量を予測するための方法および装置 - Google Patents
エネルギー消費量を予測するための方法および装置 Download PDFInfo
- Publication number
- JP2022510667A JP2022510667A JP2021531541A JP2021531541A JP2022510667A JP 2022510667 A JP2022510667 A JP 2022510667A JP 2021531541 A JP2021531541 A JP 2021531541A JP 2021531541 A JP2021531541 A JP 2021531541A JP 2022510667 A JP2022510667 A JP 2022510667A
- Authority
- JP
- Japan
- Prior art keywords
- energy consumption
- predicted value
- time
- data
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【選択図】図1
Description
第1の時間内に取得された第1のデータを事前トレーニングされた自己回帰和分移動平均(Autoregressive Integrated Moving Average Model,ARIMA)モデルに入力し、前記第1の時間内に取得された第2のデータを事前トレーニングされたサポートベクターマシン(Support Vector Machine, SVM)モデルに入力するステップと、
前記ARIMAモデルに基づき、エネルギー消費量の第1の予測値を決定し、前記SVMモデルに基づき、エネルギー消費量の第2の予測値を決定するステップと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するステップと、
を備える。
エネルギー消費量の最新の実際の値を決定するステップと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の実際の値に基づき、第1の予測誤差を決定し、前記エネルギー消費量の第2の予測値およびエネルギー消費量の実際の値に基づき、第2の予測誤差を決定するステップと、
前記第1の予測誤差および第2の予測誤差に基づき、エネルギー消費量の第1の予測値に対応する第1の重みおよびエネルギー消費量の第2の予測値に対応する第2の重みを決定するステップと、
前記第1の重みおよび第2の重みに基づき、前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に対して加重平均処理を行い、ターゲットエネルギー消費量予測値を決定するステップと、を備える。
第1のトレーニングセットの第2の時間内の第3のデータごとに、前記第2の時間内の第3のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をARIMAモデルに入力し、前記ARIMAモデルをトレーニングすることを含む。
第2のトレーニングセットの第2の時間内の第4のデータごとに、前記第2の時間内の第4のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をSVMモデルに入力し、前記SVMモデルをトレーニングすることを含む。
第1の時間内に取得された第1のデータを事前トレーニングされた自己回帰和分移動平均(Autoregressive Integrated Moving Average Model,ARIMA)モデルに入力し、前記第1の時間内に取得された第2のデータを事前トレーニングされたサポートベクターマシン(Support Vector Machine, SVM)モデルに入力するように構成された入力モジュールと、
前記ARIMAモデルに基づき、エネルギー消費量の第1の予測値を決定し、前記SVMモデルに基づき、エネルギー消費量の第2の予測値を決定するように構成された第1の決定モジュールと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するように構成された第2の決定モジュールと、を備える。
図1は、本発明の実施形態によって提供されるエネルギー消費量予測プロセスの概略図である。このプロセスは、以下のステップを含む。
決定されたターゲットエネルギー消費量予測値をより正確にするために、前述の実施形態に基づいて、本発明の実施形態において、前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定することは、
エネルギー消費量の最新の実際の値を決定することと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の実際の値に基づき、第1の予測誤差を決定し、前記エネルギー消費量の第2の予測値およびエネルギー消費量の実際の値に基づき、第2の予測誤差を決定することと、
前記第1の予測誤差および第2の予測誤差に基づき、エネルギー消費量の第1の予測値に対応する第1の重みおよびエネルギー消費量の第2の予測値に対応する第2の重みを決定することと、
前記第1の重みおよび第2の重みに基づき、前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に対して加重平均処理を行い、ターゲットエネルギー消費量予測値を決定することと、を含む。
前述の実施形態に基づいて、本発明の実施形態において、前記ARIMAモデルのトレーニングプロセスは、第1のトレーニングセットの第2の時間内の第3のデータごとに、前記第2の時間内の第3のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をARIMAモデルに入力し、前記ARIMAモデルをトレーニングすることを含む。
前述の実施形態に基づいて、本発明の実施形態において、前記SVMモデルのトレーニングプロセスは、第2のトレーニングセットの第2の時間内の第4のデータごとに、前記第2の時間内の第4のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をSVMモデルに入力し、前記SVMモデルをトレーニングすることである。
第1の時間内に取得された第1のデータを事前トレーニングされた自己回帰和分移動平均(Autoregressive Integrated Moving Average Model,ARIMA)モデルに入力し、前記第1の時間内に取得された第2のデータを事前トレーニングされたサポートベクターマシン(Support Vector Machine, SVM)モデルに入力するように構成された入力モジュール41と、
前記ARIMAモデルに基づき、エネルギー消費量の第1の予測値を決定し、前記SVMモデルに基づき、エネルギー消費量の第2の予測値を決定するように構成された第1の決定モジュール42と、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するように構成された第2の決定モジュール43とを備える。
Claims (10)
- 第1の時間内に取得された第1のデータを事前トレーニングされた自己回帰和分移動平均(Autoregressive Integrated Moving Average Model,ARIMA)モデルに入力し、前記第1の時間内に取得された第2のデータを事前トレーニングされたサポートベクターマシン(Support Vector Machine, SVM)モデルに入力するステップと、
前記ARIMAモデルに基づき、エネルギー消費量の第1の予測値を決定し、前記SVMモデルに基づき、エネルギー消費量の第2の予測値を決定するステップと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するステップと、
を備えることを特徴とする、エネルギー消費量を予測するための方法。 - 前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するステップは、
エネルギー消費量の最新の実際の値を決定することと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の実際の値に基づき、第1の予測誤差を決定し、前記エネルギー消費量の第2の予測値およびエネルギー消費量の実際の値に基づき、第2の予測誤差を決定することと、
前記第1の予測誤差および第2の予測誤差に基づき、エネルギー消費量の第1の予測値に対応する第1の重みおよびエネルギー消費量の第2の予測値に対応する第2の重みを決定することと、
前記第1の重みおよび第2の重みに基づき、前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に対して加重平均処理を行い、ターゲットエネルギー消費量予測値を決定することと、
を含むことを特徴とする、請求項1に記載のエネルギー消費量を予測するための方法。 - 前記ARIMAモデルのトレーニングプロセスは、
第1のトレーニングセットの第2の時間内の第3のデータごとに、前記第2の時間内の第3のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をARIMAモデルに入力し、前記ARIMAモデルをトレーニングすること、
を含むことを特徴とする、請求項1に記載のエネルギー消費量を予測するための方法。 - 前記SVMモデルのトレーニングプロセスは、
第2のトレーニングセットの第2の時間内の第4のデータごとに、前記第2の時間内の第4のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をSVMモデルに入力し、前記SVMモデルをトレーニングすること、
を含むことを特徴とする、請求項1に記載のエネルギー消費量を予測するための方法。 - 前記第1のデータおよび第3のデータは、エネルギー消費量値を含むことを特徴とする、請求項3に記載のエネルギー消費量を予測するための方法。
- 前記第2のデータおよび第4のデータは、エネルギー消費量値および気象データを含むことを特徴とする、請求項4に記載のエネルギー消費量を予測するための方法。
- 第1の時間内に取得された第1のデータを事前トレーニングされた自己回帰和分移動平均(Autoregressive Integrated Moving Average Model,ARIMA)モデルに入力し、前記第1の時間内に取得された第2のデータを事前トレーニングされたサポートベクターマシン(Support Vector Machine, SVM)モデルに入力するように構成された入力モジュールと、
前記ARIMAモデルに基づき、エネルギー消費量の第1の予測値を決定し、前記SVMモデルに基づき、エネルギー消費量の第2の予測値を決定するように構成された第1の決定モジュールと、
前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に基づき、第1の予測時間内のターゲットエネルギー消費量予測値を決定するように構成された第2の決定モジュールと、
を備えることを特徴とする、エネルギー消費量を予測するための装置。 - 前記第2の決定モジュールは、エネルギー消費量の最新の実際の値を決定し、前記エネルギー消費量の第1の予測値およびエネルギー消費量の実際の値に基づき、第1の予測誤差を決定し、前記エネルギー消費量の第2の予測値およびエネルギー消費量の実際の値に基づき、第2の予測誤差を決定し、前記第1の予測誤差および第2の予測誤差に基づき、エネルギー消費量の第1の予測値に対応する第1の重みおよびエネルギー消費量の第2の予測値に対応する第2の重みを決定し、前記第1の重みおよび第2の重みに基づき、前記エネルギー消費量の第1の予測値およびエネルギー消費量の第2の予測値に対して加重平均処理を行い、ターゲットエネルギー消費量予測値を決定するように構成されることを特徴とする、請求項7に記載のエネルギー消費量を予測するための装置。
- 第1のトレーニングセットの第2の時間内の第3のデータごとに、前記第2の時間内の第3のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をARIMAモデルに入力し、前記ARIMAモデルをトレーニングするように構成された第1のトレーニングモジュールをさらに備えることを特徴とする、請求項7に記載のエネルギー消費量を予測するための装置。
- 第2のトレーニングセットの第2の時間内の第4のデータごとに、前記第2の時間内の第4のデータおよび前記第2の時間に対応する第2の予測時間内のエネルギー消費量の実際の値をSVMモデルに入力し、前記SVMモデルをトレーニングするように構成された第2のトレーニングモジュールをさらに備えることを特徴とする、請求項7に記載のエネルギー消費量を予測するための装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/120746 WO2020118586A1 (zh) | 2018-12-12 | 2018-12-12 | 一种能源消耗预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022510667A true JP2022510667A (ja) | 2022-01-27 |
Family
ID=71077056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021531541A Pending JP2022510667A (ja) | 2018-12-12 | 2018-12-12 | エネルギー消費量を予測するための方法および装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022510667A (ja) |
WO (1) | WO2020118586A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920166B (zh) * | 2021-10-29 | 2024-05-28 | 广州文远知行科技有限公司 | 一种选择物体运动模型方法、装置、交通工具及存储介质 |
IT202200009941A1 (it) * | 2022-05-13 | 2023-11-13 | Univ Degli Studi Padova | Sistema e metodo per proteggere da sovratensioni un carico in un ricevitore di potenza trasmessa senza fili |
CN116754828B (zh) * | 2023-08-21 | 2023-12-01 | 济南瑞源智能城市开发有限公司 | 一种智慧隧道的能耗监测方法、设备及介质 |
CN117709987A (zh) * | 2024-02-06 | 2024-03-15 | 浙江省发展规划研究院 | 企业年度基准能耗的核定方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0784983A (ja) * | 1993-09-17 | 1995-03-31 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データの予測装置 |
JP2012149839A (ja) * | 2011-01-20 | 2012-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム |
JP2013255390A (ja) * | 2012-06-08 | 2013-12-19 | Mitsubishi Electric Corp | 電力需要予測装置及び電力需要予測方法 |
JP2018163515A (ja) * | 2017-03-24 | 2018-10-18 | 株式会社日立製作所 | 予測システム、及び、予測方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140043184A (ko) * | 2012-09-28 | 2014-04-08 | 한국전자통신연구원 | 에너지 소비량 예측 장치 및 방법 |
CN104331635B (zh) * | 2014-11-24 | 2017-03-29 | 国网吉林省电力有限公司信息通信公司 | 电力光纤通信光功率预测的方法 |
CN105205566B (zh) * | 2015-10-08 | 2017-03-08 | 中国南方电网有限责任公司电网技术研究中心 | 能源消耗量预测方法和*** |
CN105678414A (zh) * | 2015-12-31 | 2016-06-15 | 远光软件股份有限公司 | 对资源消耗量进行预测的数据处理方法 |
CN108537581B (zh) * | 2018-03-27 | 2021-05-04 | 四川大学 | 基于gmdh选择性组合的能源消费量时间序列预测方法及装置 |
-
2018
- 2018-12-12 JP JP2021531541A patent/JP2022510667A/ja active Pending
- 2018-12-12 WO PCT/CN2018/120746 patent/WO2020118586A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0784983A (ja) * | 1993-09-17 | 1995-03-31 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データの予測装置 |
JP2012149839A (ja) * | 2011-01-20 | 2012-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム |
JP2013255390A (ja) * | 2012-06-08 | 2013-12-19 | Mitsubishi Electric Corp | 電力需要予測装置及び電力需要予測方法 |
JP2018163515A (ja) * | 2017-03-24 | 2018-10-18 | 株式会社日立製作所 | 予測システム、及び、予測方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020118586A1 (zh) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022510667A (ja) | エネルギー消費量を予測するための方法および装置 | |
CN108428017B (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
CN105321345B (zh) | 一种基于ARIMA模型和kalman滤波的道路交通流预测方法 | |
CN115293667B (zh) | 一种工程进度及造价管理***的管理方法 | |
CN111754024B (zh) | 一种基于回归分析的电力行业时间序列的预测方法和*** | |
JP3637412B2 (ja) | 時系列データ学習・予測装置 | |
WO2022077767A1 (zh) | 交通流量预测方法及装置、计算机设备及可读存储介质 | |
JP2012244897A (ja) | 短期電力負荷を予測する方法及び装置 | |
JP2010239856A (ja) | 太陽光発電装置の電気生産量を予測する方法 | |
WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报***及方法 | |
CN113379168B (zh) | 一种时间序列的预测处理方法、装置及设备 | |
CN107844658A (zh) | 相关向量机与自回归滑动平均融合的舵机状态预测方法 | |
CN116595394A (zh) | 风速修正模型的训练方法及风速预测方法、设备和介质 | |
CN103646670A (zh) | 一种评估存储***性能的方法和设备 | |
CN114547917A (zh) | 仿真预测方法、装置、设备及存储介质 | |
CN112700050B (zh) | 一种光伏电站超短期第1点功率预测方法及*** | |
CN103885867A (zh) | 一种模拟电路性能的在线评价方法 | |
CN106127340A (zh) | 一种适用于超短期负荷预测的计算方法 | |
CN111310960A (zh) | 一种能源消耗预测方法及装置 | |
CN115422826A (zh) | 数据中心智能节能调控方法、装置、设备及存储介质 | |
CN114648178B (zh) | 一种基于ddpg算法的电能计量装置运维策略优化方法 | |
CN114417549B (zh) | 一种基于超级计算机的数字孪生目标场数据处理*** | |
CN115034159A (zh) | 一种海上风电场的功率预测方法、装置、存储介质及*** | |
CN114399078A (zh) | 一种负荷日前预测与超短期预测的协同预测方法及*** | |
CN110555543B (zh) | 一种风电场预测的不确定度分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210602 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220721 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221014 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230214 |