基于能源管理系统的能耗预测方法及系统与流程

本发明涉及人工智能，具体而言，涉及一种基于能源管理系统的能耗预测方法及系统。

背景技术：

1、能源管理主要是指能源消费过程的管理，是通过运用自动化、信息化等专业技术对能源的供应、存储、输送、消耗等环节实施扁平化动态监控的数字化管理。其中，能耗预测是能源管理的关键技术，只有预先知道能源能耗的趋势才能更有效的进行扁平化动态数字化管理。例如，对于电力能源的消耗预测，就是对于电力能源管理的基础。但是，在现有技术中，一般存在着能耗预测的可靠度相对不高的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于能源管理系统的能耗预测方法及系统，以改善现有技术中存在能耗预测的可靠度相对不高的问题。

2、为实现上述目的，本发明实施例采用如下技术方案：

3、一种基于能源管理系统的能耗预测方法，包括：

4、依据多个训练区域的多个训练区域电力消耗数据，对候选能耗预测网络进行训练，形成对应的目标能耗预测网络，每一个所述训练区域电力消耗数据包括历史电力消耗事项和对应的标签电力消耗参数，所述历史电力消耗事项包括所述标签电力消耗参数对应的时间点之前的各历史时间点的电力消耗参数的时间序列和各历史时间点的各环境指标的时间序列；

5、获取到待预测区域的历史电力消耗事项，所述待预测区域的历史电力消耗事项包括目标时间点之前的各历史时间点的电力消耗参数的时间序列和各历史时间点的各环境指标的时间序列；

6、利用所述目标能耗预测网络，对所述待预测区域的历史电力消耗事项进行多层次的特征挖掘和聚合，形成所述待预测区域对应的目标电力消耗特征，所述目标电力消耗特征用于反映所述历史电力消耗事项的语义信息；

7、利用所述目标能耗预测网络，基于所述目标电力消耗特征进行区域电力消耗预测，输出所述待预测区域对应的电力消耗预测数据，所述区域电力消耗预测数据用于反映在目标时间点所述待预测区域的电力消耗情况。

8、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述目标能耗预测网络包括梯度优化模型，所述利用所述目标能耗预测网络，对所述待预测区域的历史电力消耗事项进行多层次的特征挖掘和聚合，形成所述待预测区域对应的目标电力消耗特征的步骤，包括：

9、基于所述历史电力消耗事项，确定出待预测区域的区域电力消耗特征，所述区域电力消耗特征用于反映所述待预测区域的历史电力消耗的语义；

10、对所述区域电力消耗特征进行特征分解，形成所述区域电力消耗特征对应的分解电力消耗特征序列，所述分解电力消耗特征序列包括的各分解电力消耗特征的数量等于所述区域电力消耗特征的秩，所述分解电力消耗特征序列用于反映历史电力消耗事项对应的历史电力消耗具有的全局语义；

11、将所述区域电力消耗特征分别进行表层特征挖掘和深层特征挖掘，输出所述区域电力消耗特征对应的表层电力消耗特征和所述区域电力消耗特征的深层电力消耗特征，所述表层电力消耗特征的特征维度小于所述深层电力消耗特征的特征维度，所述表层电力消耗特征用于反映所述历史电力消耗事项对应的历史电力消耗具有的表层语义，所述深层电力消耗特征用于反映所述历史电力消耗事项对应的历史电力消耗具有的深层语义；

12、基于所述表层电力消耗特征、所述深层电力消耗特征和所述分解电力消耗特征序列，构建出对应的多层次融合电力消耗特征；

13、利用所述梯度优化模型包括的第一多层感知机，将所述多层次融合电力消耗特征进行处理，形成对应的中间电力消耗特征；

14、利用所述梯度优化模型包括的梯度优化单元，获取到所述多层次融合电力消耗特征；

15、利用所述梯度优化模型包括的特征聚合单元，对所述多层次融合电力消耗特征和所述中间电力消耗特征进行聚合，形成对应的目标电力消耗特征，其中，所述梯度优化模型还包括第二多层感知机，所述第二多层感知机用于执行所述基于所述目标电力消耗特征进行区域电力消耗预测，输出所述待预测区域对应的电力消耗预测数据的步骤。

16、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述基于所述历史电力消耗事项，确定出待预测区域的区域电力消耗特征的步骤，包括：

17、将所述历史电力消耗事项，作为所述待预测区域的候选区域电力消耗特征；

18、将所述候选区域电力消耗特征进行分类变量编码，输出所述候选区域电力消耗特征对应的二进制电力消耗特征；

19、对所述二进制电力消耗特征进行向量连续化，输出所述待预测区域的区域电力消耗特征。

20、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述对所述区域电力消耗特征进行特征分解，形成所述区域电力消耗特征对应的分解电力消耗特征序列的步骤，包括：

21、确定出所述区域电力消耗特征的秩，并基于所述区域电力消耗特征的秩，确定出目标数量个候选电力消耗矩阵，所述候选电力消耗矩阵的矩阵参数随机生成，且所述目标数量等于所述区域电力消耗特征的秩；

22、通过迭代优化的方式逐步调整所述目标数量个候选电力消耗矩阵，使得对应的电力消耗特征重构误差降低，所述电力消耗特征重构误差用于反映：调整后的目标数量个候选电力消耗矩阵对应的重构区域电力消耗特征与所述区域电力消耗特征之间的差异，所述重构区域电力消耗特征等于调整后的目标数量个候选电力消耗矩阵的外积；

23、将电力消耗特征重构误差小于或等于预先确定的参考误差对应的调整后的目标数量个候选电力消耗矩阵，分别作为分解电力消耗特征，得到目标数量个分解电力消耗特征，以及，将所述目标数量个分解电力消耗特征进行组合，形成所述区域电力消耗特征对应的分解电力消耗特征序列。

24、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述通过迭代优化的方式逐步调整所述目标数量个候选电力消耗矩阵，使得电力消耗特征重构误差降低的步骤，包括：

25、对所述目标数量个候选电力消耗矩阵进行遍历，形成当前遍历到的候选电力消耗矩阵；

26、对所述当前遍历到的候选电力消耗矩阵中的矩阵参数进行调整，形成调整后的候选电力消耗矩阵，并将所述目标数量个候选电力消耗矩阵中所述当前遍历到的候选电力消耗矩阵以外的每一个候选电力消耗矩阵的参数进行固定，对于调整后的候选电力消耗矩阵中的任意一个矩阵参数，该矩阵参数与所述当前遍历到的候选电力消耗矩阵中相应位置的矩阵参数和所述当前遍历到的候选电力消耗矩阵以外的每一个候选电力消耗矩阵中相应位置的矩阵参数之间都具有相关关系；

27、在所述目标数量个候选电力消耗矩阵都被遍历之后，形成目标数量个调整后的候选电力消耗矩阵，并计算所述目标数量个调整后的候选电力消耗矩阵的外积，得到对应的重构区域电力消耗特征；

28、计算所述重构区域电力消耗特征与所述区域电力消耗特征之间的差异，得到对应的电力消耗特征重构误差，以及，沿着降低所述电力消耗特征重构误差的方向，对所述目标数量个调整后的候选电力消耗矩阵再次进行调整，直到所述电力消耗特征重构误差小于或等于预先确定的参考误差。

29、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述目标能耗预测网络还包括卷积网络模型；

30、所述将所述区域电力消耗特征分别进行表层特征挖掘和深层特征挖掘，输出所述区域电力消耗特征对应的表层电力消耗特征和所述区域电力消耗特征的深层电力消耗特征的步骤，包括：

31、将所述区域电力消耗特征进行特征关联挖掘，输出所述区域电力消耗特征对应的表层电力消耗特征；

32、利用所述卷积网络模型，将所述区域电力消耗特征进行卷积运算，输出所述区域电力消耗特征对应的深层电力消耗特征。

33、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述将所述区域电力消耗特征进行特征关联挖掘，输出所述区域电力消耗特征对应的表层电力消耗特征的步骤，包括：

34、将所述区域电力消耗特征进行分割，得到所述区域电力消耗特征对应的电力消耗局部特征、天气信息局部特征和耗电对象流量信息局部特征，所述电力消耗局部特征用于反映所述历史电力消耗事项中的各历史时间点的电力消耗参数的时间序列的语义信息，所述天气信息局部特征用于反映所述历史电力消耗事项中的各历史时间点的各天气环境指标的时间序列的语义信息，所述耗电对象流量信息局部特征用于反映所述历史电力消耗事项中耗电对象环境指标的时间序列的语义信息；

35、分别基于所述电力消耗局部特征、所述天气信息局部特征和所述耗电对象流量信息局部特征，对所述电力消耗局部特征进行基于注意力机制的关联挖掘，得到对应的第一注意力电力消耗特征、第二注意力电力消耗特征和第三注意力电力消耗特征；

36、将所述第一注意力电力消耗特征、所述第二注意力电力消耗特征和所述第三注意力电力消耗特征进行特征聚合，形成对应的聚合注意力电力消耗特征；

37、对所述聚合注意力电力消耗特征进行池化操作，形成所述区域电力消耗特征对应的表层电力消耗特征。

38、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述基于所述表层电力消耗特征、所述深层电力消耗特征和所述分解电力消耗特征序列，构建出对应的多层次融合电力消耗特征的步骤，包括：

39、将所述表层电力消耗特征、所述深层电力消耗特征和所述分解电力消耗特征序列进行排列处理，以形成所述表层电力消耗特征、所述深层电力消耗特征和所述分解电力消耗特征序列分别具有的特征分布坐标；

40、依据所述特征分布坐标，对所述表层电力消耗特征、所述深层电力消耗特征和所述分解电力消耗特征序列进行按序合并，形成对应的多层次融合电力消耗特征。

41、在一些优选的实施例中，在上述基于能源管理系统的能耗预测方法中，所述利用所述梯度优化模型包括的特征聚合单元，对所述多层次融合电力消耗特征和所述中间电力消耗特征进行聚合，形成对应的目标电力消耗特征的步骤，包括：

42、利用所述特征聚合单元，分析出所述多层次融合电力消耗特征的第一待聚合电力消耗特征，所述第一待聚合电力消耗特征至少包括所述多层次融合电力消耗特征中的局部特征；

43、利用所述特征聚合单元，分析出所述中间电力消耗特征的第二待聚合电力消耗特征，所述第二待聚合电力消耗特征至少包括所述中间电力消耗特征中的局部特征；

44、依据所述特征聚合单元、所述第一待聚合电力消耗特征和所述第二待聚合电力消耗特征，对所述多层次融合电力消耗特征和所述中间电力消耗特征进行聚合，形成对应的目标电力消耗特征。

45、本发明实施例还提供一种能耗预测系统，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现上述的基于能源管理系统的能耗预测方法。

46、本发明实施例提供的基于能源管理系统的能耗预测方法及系统，依据多个训练区域的多个训练区域电力消耗数据，对候选能耗预测网络进行训练，形成对应的目标能耗预测网络；获取到待预测区域的历史电力消耗事项；利用目标能耗预测网络，对历史电力消耗事项进行多层次的特征挖掘和聚合，形成历史电力消耗事项对应的目标电力消耗特征；利用目标能耗预测网络，基于目标电力消耗特征进行区域电力消耗预测，输出待预测区域对应的电力消耗预测数据。基于前述的内容，由于在进行特征挖掘的过程中，会对历史电力消耗事项进行多层次的特征挖掘和聚合，使得形成的目标电力消耗特征的语义表征能力更强（即能够对历史电力消耗事项进行更为准确的表征），使得基于该目标电力消耗特征进行的能耗预测的可靠度，从而改善现有技术中存在能耗预测的可靠度相对不高的问题。

47、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。