本发明涉及大数据,尤其涉及电力能耗预测模型优化方法及系统。
背景技术:
1、随着节能减排的理念深入人心,大型工业园区、或大型企业等都开始逐渐重视电力能耗这一环保指标,而利用电力能耗预测模型得到电力能耗预测值是进行节能减排的第一步,目前常见的电力能耗预测模型得到电力能耗预测值的准确度较低。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明提供一种电力能耗预测模型优化方法及系统,以实现更准确地获得电力能耗预测值。
2、第一方面,本申请实施例提供一种电力能耗预测模型优化方法,包括:
3、获取历史时间窗口的第一电力能耗序列和第一影响因子序列,影响因子包括:气温、打卡人数和耗能设备运行情况;
4、利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,所述电力能耗预测模型基于引入注意力机制的中长期记忆网络构建的模型;
5、获取当前时间窗口的第二影响因子序列,所述当前时间窗口与所述历史时间窗口在时间具有连续性;
6、将所述第二影响因子序列输入至训练后的所述电力能耗预测模型中,得到第二电力能耗序列,所述第二电力能耗序列用于表征所述当前时间窗口内的电力能耗信息。
7、可选地,所述利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,包括:
8、对所述第一电力能耗序列和所述第一影响因子序列分别进行归一化处理;
9、基于所述注意力机制,将进行归一化处理后的所述第一电力能耗序列和所述第一影响因子序列进行特征融合,得到融合特征序列;
10、利用所述融合特征序列训练所述电力能耗预测模型。
11、可选地,所述基于所述注意力机制,将进行归一化处理后的所述第一电力能耗序列和所述第一影响因子序列进行特征融合,得到融合特征序列包括:
12、基于所述注意力机制,找出归一化处理后的所述第一电力能耗序列和所述第一影响因子序列之间的第一联系;
13、根据所述第一联系进行特征融合,得到所述融合特征序列。
14、可选地,在所述将所述第二影响因子序列输入至训练后的所述电力能耗预测模型中,得到第二电力能耗序列之后,还包括:
15、将所述第二电力能耗序列进行反归一化处理,得到目标电力能耗序列。
16、可选地,所述获取当前时间窗口的第二影响因子序列包括:
17、基于预先设置的传感器获取所述当前时间窗口的气温、打卡人数和耗能设备运行情况中的至少一项;
18、根据所述当前时间窗口的气温、打卡人数和耗能设备运行情况中的至少一项,确定所述第二影响因子序列。
19、第二方面,本申请实施例中提供一种电力能耗预测模型优化系统,包括:
20、第一获取模块,用于获取历史时间窗口的第一电力能耗序列和第一影响因子序列,影响因子包括:气温、打卡人数和耗能设备运行情况;
21、训练模块,用于利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,所述电力能耗预测模型基于引入注意力机制的中长期记忆网络构建的模型;
22、第二获取模块,用于获取当前时间窗口的第二影响因子序列,所述当前时间窗口与所述历史时间窗口在时间具有连续性;
23、得到模块,用于将所述第二影响因子序列输入至训练后的所述电力能耗预测模型中,得到第二电力能耗序列,所述第二电力能耗序列用于表征所述当前时间窗口内的电力能耗信息。
24、可选地,所述训练模块,包括:
25、归一化处理单元,用于对所述第一电力能耗序列和所述第一影响因子序列分别进行归一化处理;
26、特征融合单元,用于基于所述注意力机制,将进行归一化处理后的所述第一电力能耗序列和所述第一影响因子序列进行特征融合,得到融合特征序列;
27、训练单元,用于利用所述融合特征序列训练所述电力能耗预测模型。
28、可选地,所述特征融合单元包括:
29、找出子单元,用于基于所述注意力机制,找出归一化处理后的所述第一电力能耗序列和所述第一影响因子序列之间的第一联系;
30、得到子单元,用于根据所述第一联系进行特征融合,得到所述融合特征序列。
31、可选地,所述系统还包括:
32、反归一化处理模块,用于将所述第二电力能耗序列进行反归一化处理,得到目标电力能耗序列。
33、可选地,所述得到模块包括:
34、获取单元,用于基于预先设置的传感器获取所述当前时间窗口的气温、打卡人数和耗能设备运行情况中的至少一项;
35、确定单元,用于根据所述当前时间窗口的气温、打卡人数和耗能设备运行情况中的至少一项,确定第二影响因子序列。
36、本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述电力能耗预测模型优化方法。
37、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述电力能耗预测模型优化方法。
38、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述电力能耗预测模型优化方法。
39、在本申请实施例中,改进点主要如下:(1)利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,所述电力能耗预测模型基于引入注意力机制的中长期记忆网络构建的模型。(2)所述当前时间窗口与所述历史时间窗口在时间具有连续性。(3)基于所述注意力机制,找出归一化处理后的所述第一电力能耗序列和所述第一影响因子序列之间的第一联系。(4)基于所述注意力机制,将进行归一化处理后的所述第一电力能耗序列和所述第一影响因子序列进行特征融合,得到融合特征序列。
40、本发明提供的电力能耗预测模型优化方法,通过获取历史时间窗口的第一电力能耗序列和第一影响因子序列;利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,所述电力能耗预测模型基于引入注意力机制的中长期记忆网络构建的模型;获取当前时间窗口的第二影响因子序列,将所述第二影响因子序列输入至训练后的所述电力能耗预测模型中,得到第二电力能耗序列。由此,由于采用了基于引入注意力机制的中长期记忆网络构建的电力能耗预测模型,因此能够提高电力能耗预测值的准确度。
1.一种电力能耗预测模型优化方法,其特征在于,包括:
2.根据权利要求1所述的电力能耗预测模型优化方法,其特征在于,所述利用所述第一电力能耗序列和所述第一影响因子序列训练所述电力能耗预测模型,包括:
3.根据权利要求2所述的电力能耗预测模型优化方法,其特征在于,所述基于所述注意力机制,将进行归一化处理后的所述第一电力能耗序列和所述第一影响因子序列进行特征融合,得到融合特征序列包括:
4.根据权利要求1所述的电力能耗预测模型优化方法,其特征在于,在所述将所述第二影响因子序列输入至训练后的所述电力能耗预测模型中,得到第二电力能耗序列之后,还包括:
5.根据权利要求1所述的电力能耗预测模型优化方法,其特征在于,
6.一种电力能耗预测模型优化系统,其特征在于,包括:
7.根据权利要求6所述的电力能耗预测模型优化系统,其特征在于,所述训练模块,包括:
8.根据权利要求7所述的电力能耗预测模型优化系统,其特征在于,所述特征融合单元包括:
9.根据权利要求6所述的电力能耗预测模型优化系统,其特征在于,所述系统还包括:
10.根据权利要求6所述的电力能耗预测模型优化系统,其特征在于,