(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 202210917997.1 (22)申请日 2022.08.01 (71)申请人 万帮数字能源股份有限公司 地址 213000 江苏省常州市武进国家高新 技术产业开发区龙惠路39号 申请人 万帮星星充电科技有限公司 (72)发明人 王旭　陈申　俞新　朱选才　 (74)专利代理 机构 常州佰业腾飞专利代理事务 所(普通合伙) 32231 专利代理师 陈红桥 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 家庭用电负荷预测方法和装置 (57)摘要 本发明提供一种家庭用电负荷预测方法和 装置， 所述方法包括以下步骤： 构建家庭用电负 荷模型； 根据所述家庭用电负荷模 型获取待预测 单位时间段的负荷计算值； 通过神经网络对所述 待预测单位时间段的负荷计算值进行修正， 以得 到所述待预测单位时间段的负荷预测值。 本发明 能够方便、 准确地实现家庭用电负荷的预测， 且 成本较低， 适用范围较广。 权利要求书2页 说明书10页 附图1页 CN 115392544 A 2022.11.25 CN 115392544 A 1.一种家 庭用电负荷预测方法， 其特 征在于， 包括以下步骤： 构建家庭用电负荷模型； 根据所述家 庭用电负荷模型获取待预测单位时间段的负荷计算 值； 通过神经网络对所述待预测单位 时间段的负荷计算值进行修正， 以得到所述待预测单 位时间段的负荷预测值。 2.根据权利要求1所述的家庭用电负荷预测方法， 其特征在于， 所述家庭用电负荷模型 包括长期稳定负荷分量、 中期波动负荷分量和短期随机负荷分量。 3.根据权利要求2所述的家庭用电负荷预测方法， 其特征在于， 所述长期稳定负荷 分量 基于影响自耗电设备的负荷的客观因素构建， 所述中期波动负荷分量基于气象因素和季节 因素构建， 所述短期随机负荷分量基于历史负荷计算 值和历史负荷预测值构建。 4.根据权利要求3所述的家庭用电负荷预测方法， 其特征在于， 所述影响自耗电设备的 负荷的客观因素包括家庭房屋面积、 家庭居住人数和房屋所处地理位置， 所述气象因素包 括温度、 湿度、 辐射 量和天气类型。 5.根据权利要求4所述的家庭用电负荷预测方法， 其特征在于， 所述长期稳定负荷 分量 为： Llong＝ω1*ω2*ω3 其中， Llong表示所述长期稳定负荷分量， ω1、 ω2、 ω3分别为与所述家庭房屋面积相关的 用电负荷系 数、 与所述家庭居住人数相关的用电负荷系 数、 与所述房屋所处地理位置相关 的用电负荷系数。 6.根据权利要求4所述的家庭用电负荷预测方法， 其特征在于， 所述中期波动负荷 分量 为： Lmid＝(Lmid， temp+Lmid， hum+Lmid， irr)*j(ws) 其中， Lmid表示所述 中期波动负荷分量， Lmid,temp、 Lmid,hum、 Lmid,irr分别为与所述温度相关 的用电负荷子分量、 与所述湿度相关的用电负荷子分量、 与所述辐 射量相关的用电负荷子 分量， j(ws)为天气与季节修 正因子。 7.根据权利要求4所述的家庭用电负荷预测方法， 其特征在于， 所述短期随机负荷 分量 为： 其中， Lshort表示所述短期随机负荷分量， Ln表示n时间段的负荷计算值， 表示n时间段 的负荷预测值， n＝t ‑1、 t‑2或t‑3， μ为所述历史负荷计 算值序列的均值， θ1、 θ2为系 数。 8.根据权利要求1 ‑7中任一项所述的家庭用电负荷预测方法， 其特征在于， 通过神经网 络对所述待预测单位时间段的负荷计算 值进行修 正， 具体包括： 构建BP神经网络； 获取所述待预测单位时间段的前一单位时间段的负荷预测值与负荷计算值之间的误 差； 利用所述 误差更新所述BP神经网络的连接 权值和阈值； 将所述待预测单位时间段的负荷计算值代入更新后的BP神经网络， 以得到所述待预测权　利　要　求　书 1/2 页 2 CN 115392544 A 2单位时间段的负荷预测值。 9.一种家 庭用电负荷预测装置， 其特 征在于， 包括： 构建模块， 所述构建模块用于构建家 庭用电负荷模型； 获取模块， 所述获取模块用于根据 所述家庭用电负荷模型获取待预测单位 时间段的负 荷计算值； 修正模块， 所述修正模块用于通过神经网络对所述待预测单位 时间段的负荷计算值进 行修正， 以得到所述待预测单位时间段的负荷预测值。 10.根据权利要求9所述的家庭用电负荷预测装置， 其特征在于， 所述修正模块具体用 于： 构建BP神经网络； 获取所述待预测单位时间段的前一单位时间段的负荷预测值与负荷计算值之间的误 差； 利用所述 误差更新所述BP神经网络的连接 权值和阈值； 将所述待预测单位时间段的负荷计算值代入更新后的BP神经网络， 以得到所述待预测 单位时间段的负荷预测值。权　利　要　求　书 2/2 页 3 CN 115392544 A 3