(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 202110639309.5 (22)申请日 2021.06.08 (71)申请人 国电南瑞科技股份有限公司 地址 211106 江苏省南京市江宁区诚信大 道19号 (72)发明人 王靖韬　陈闯　陈爱明　杨鑫　 赵永凯　陈毓春　邹丹平　王红彦　 牛泽　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 俞翠华 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/04(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于特征工程的台区 电动汽车负荷预 测方法及系统 (57)摘要 本发明公开了一种基于特征工程的台区 电 动汽车负荷预测方法及系统， 所述方法包括获取 预设的预测模 型， 所述预测模型通过将原始台区 电动汽车负荷转换成用于训练的特征集合输入 至基于LSTM算法搭建的神经网络进行特征学习 获得； 基于所述预测模型进行台区电动汽车负荷 预测。 本发明通过系统化的特征工程， 对待预测 目标进行精 准的特征建模， 并根据其用能特性采 用最适合的预测算法， 从而提高预测的准确度。 权利要求书2页 说明书4页 附图1页 CN 115455799 A 2022.12.09 CN 115455799 A 1.一种基于特 征工程的台区电动汽车负荷预测方法， 其特 征在于， 包括： 获取预设的预测模型， 所述预测模型通过将原始台区电动汽车负荷转换成用于训练 的 特征集合输入至基于LSTM算法搭建的神经网络进行 特征学习获得； 基于所述预测模型进行台区电动汽车负荷预测。 2.根据权利要求1所述的一种基于特征工程的台区电动汽车负荷预测方法， 其特征在 于： 所述用于训练的特 征集合的获取 方法包括： 对原始台区电动汽车负荷进行 预处理； 对经过预处理后获得的数据进行 特征工程处 理， 获得特征集合。 3.根据权利要求2所述的一种基于特征工程的台区电动汽车负荷预测方法， 其特征在 于： 所述预处 理包括识别异常数据、 处 理缺失值和/或无量纲化。 4.根据权利要求2所述的一种基于特征工程的台区电动汽车负荷预测方法， 其特征在 于， 所述特 征集合的获取 方法包括： 从经过预处理后获得的数据中， 获得用户行为特征、 时间特征、 天气特征， 并加入候选 特征集合中； 利用相关系数进行特征选择， 按照发散性或者相关性对候选特征集合中的各个特征进 行评分， 设定阈值或者待选择阈值的个数， 筛 选出最优的特 征子集作为 最终的特 征集合。 5.根据权利要求1所述的一种基于特征工程的台区电动汽车负荷预测方法， 其特征在 于， 所述预测模型的获取 方法包括： 将用于训练的特 征集合进行分割， 选 定训练集、 测试集和验证集； 分别将所述训练集、 测试集和验证集输入至基于LSTM算法搭建的神经网络， 不断修正 神经网络的参数， 直至 达到满意的预测精度， 获得最终的预测模型。 6.一种基于特 征工程的台区电动汽车负荷预测系统， 其特 征在于， 包括： 获取模块， 用于获取预设的预测模型， 所述预测模型通过将原始台区电动汽车负荷转 换成用于训练的特征集合输入至基于LSTM算法搭建的神经网络进 行特征学习获得； 预测模 块， 用于基于所述预测模型进行台区电动汽车负荷预测。 7.根据权利要求6所述的一种基于特征工程的台区电动汽车负荷预测系统， 其特征在 于， 所述用于训练的特 征集合的获取 方法包括： 对原始台区电动汽车负荷进行 预处理； 对经过预处理后获得的数据进行 特征工程处 理， 获得特征集合。 8.根据权利要求7所述的一种基于特征工程的台区电动汽车负荷预测系统， 其特征在 于， 所述预处 理包括识别异常数据、 处 理缺失值和/或无量纲化。 9.根据权利要求7所述的一种基于特征工程的台区电动汽车负荷预测系统， 其特征在 于， 所述特 征集合的获取 方法包括： 从经过预处理后获得的数据中， 获得用户行为特征、 时间特征、 天气特征， 并加入候选 特征集合中； 利用相关系数进行特征选择， 按照发散性或者相关性对候选特征集合中的各个特征进 行评分， 设定阈值或者待选择阈值的个数， 筛 选出最优的特 征子集作为 最终的特 征集合。 10.根据权利要求6所述的一种基于特征工程的台区电动汽车负荷预测系统， 其特征在 于， 所述预测模型的获取 方法包括：权　利　要　求　书 1/2 页 2 CN 115455799 A 2将用于训练的特 征集合进行分割， 选 定训练集、 测试集和验证集； 分别将所述训练集、 测试集和验证集输入至基于LSTM算法搭建的神经网络， 不断修正 神经网络的参数， 直至 达到满意的预测精度， 获得最终的预测模型。权　利　要　求　书 2/2 页 3 CN 115455799 A 3