(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 202111466577.8 (22)申请日 2021.12.0 3 (71)申请人 北京国科翼达电力节能科技有限公 司 地址 102400 北京市房山区良乡凯旋大街 建设路18号—D16483 (72)发明人 张帅　郝春生　劳鹏运　 (74)专利代理 机构 北京恒德志远专利代理事务 所(普通合伙) 16012 代理人 王艺 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于神经网络大工业用电基本电费预 测方法 (57)摘要 本发明公开了一种基于神经网络大工业用 电基本电费预测方法， 包括以下步骤： (1)首先将 企业历史用电负荷数据进行统计预处理； (2)其 次对负荷数据做归一化处理， 将负荷数据转化为 [0,1]区间上的输入向量； (3)然后根据输入向量 以及需要的输出向量构建误差反向传播算法神 经网络模型； (4)完成训练及通过测试后投入使 用， 对输出结果选取最大值并进行归一化还原； (5)将预测负荷值转化为需量基本电费预测值。 神经网络具有三层结构， 输入层神经元12个， 中 间层神经元25个， 输出层神经元12个。 通过神经 网络对基本电费预测后， 企业可以合理选择基本 电费的缴费模式， 有效减少电费开支， 降低生产 成本。 此方法具有预测准确性高， 稳定性好等优 点。 权利要求书2页 说明书5页 附图1页 CN 114154719 A 2022.03.08 CN 114154719 A 1.一种基于神经网络大工业用电基本电费预测方法， 其特征在于， 包括以下步骤： (1) 首先将企业历史用电负荷数据进 行统计预处理； (2)其次对负荷数据 做归一化处理， 将负荷 数据转化为[ 0,1]区间上的输入向量； (3)然后根据输入输出向量构建误差 反向传播算法神 经网络模 型， 构建模 型为三层结构： 输入层、 中间层和输出层； (4)完成训练及通过测试后投 入使用， 对输出结果选取最大值并进 行归一化还原； (5)将预测负荷值转化为需量基本电费 预测值。 2.根据权利要求1所述的一种基于神经网络大工业用电基本电费预测方法， 其特征在 于， 采用公式(1)将负荷数据转化为[0,1]区间上 的数据。 其中Si为电力负荷采集值； Smin为 当天所有负荷采集 值中的最小值； Smax为当天所有负荷采集 值中的最大值。 X＝(Si‑Smin)/(Smax‑Smin)  (1) 3.根据权利要求1所述的一种基于神经网络大工业用电基本电费预测方法， 其特征在 于， 构建模 型为三层神经网络结构： 输入层、 中间层和输出层。 输入层单元个数为 12个， 中间 层单元个数为25个， 输出层单 元个数为12个。 4.根据权利要求1所述的一种基于神经网络大工业用电基本电费预测方法， 其特征在 于， 误差反向传播神经网络算法如下 设δP为误差函数， epj为节点j的期望输 出值， Rpj为节点j实际输出值， Lij为节点i到节点j 之间的权 重值， h为节点j的阈值。 节点j的净输入 阈值hj为常数， 在( ‑1,+1)之间， 要得到误差函数δP的最小值， 则训练时使δP关于Lij的导 数为负， 由隐函数求 导法则得 出 令 则 令Rpj＝fj 则Cpj＝f'j(Npj)(epj‑Rpj) 误差反向传播算 法要减少误差函数δP的值， 令ΔLij＝ ηCpjRpk， 如果j为输出单元， 则可以 求出Cpj和ΔLij。 如果j为中间层单 元， 则需要用隐函数求 导法则求出中间层Cpj。权　利　要　求　书 1/2 页 2 CN 114154719 A 2取Sigmoid函数 作为阈函数 则 取正切函数作为中间层的传递 函数 5.根据权利要求1所述的一种基于神经网络大工业用电基本电费预测方法， 其特征在 于， 对输出 结果选取最大值并按公式(2)进行归一 化还原 Z＝SO*(Smax‑Smin)+Smin  (2) 6.根据权利要求1所述的一种基于神经网络大工业用电基本电费预测方法， 其特征在 于， 预测电力负荷的最大值为Z， 参考当地需量基本电价p， 需量申报负荷为S， 按公式(3)将 预测负荷值 转化为需量基本电费预测值F 当Z≤S时， F＝pS； 当Z＞S时， F＝pS+2p(Z ‑S)  (3)。权　利　要　求　书 2/2 页 3 CN 114154719 A 3