[發明專利]電量預測方法、裝置以及計算機可讀存儲介質

在審

• 申請號: 202010741215.4
• 申請日: 2020-07-28
• 公開（公告）號: CN111899123A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 龐海天;陳哲;楊洋;張聰;王堯;樊小毅
• 申請（專利權）人: 深圳江行聯加智能科技有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06Q10/04;G06N3/08;G06N3/02
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 劉冰

本發明公開了一種電量預測方法，該電量預測方法包括：獲取電量時序信息、氣溫信息、假日信息、風力信息以及天氣信息；根據所述電量時序信息確定第一預測值，根據所述氣溫信息、所述假日信息以及所述風力信息確定第二預測值，且根據所述天氣信息確定第三預測值；根據所述第一預測值、所述第二預測值以及所述第三預測值確定預測電量值；輸出所述預測電量值。由于綜合考慮了電量時序信息、氣溫信息、假日信息、風力信息以及天氣信息多個因素，而不是只考慮了電量數據的因素，對預測電量值進行預測，從而提高了電量預測的結果的全面性和準確性。此外還公開了一種電量預測裝置以及計算機可讀存儲介質。

技術領域

本發明涉及計算機技術領域，尤其涉及一種電量預測方法、裝置以及計算機可讀存儲介質。

背景技術

企業的用電量數據可以用于反映企業整體生產與發展水平。由于電力消耗基本不受人為干擾或統計缺失等影響，用電數據可以較為精準地反應企業的經濟發展狀況。精確的用電量預測可以及時預覽到企業的電能消耗情況，為企業未來的發展規劃做出一定指示作用。

現有技術中對用電量數據的預測，主要通過企業的歷史用電量數據對企業未來的用電量進行預測，但由于未考慮其他影響因素，例如季節因素，不同的季節的用電量需求不同，如果只用電量數據進行預測，將會導致預測結果不準確。

發明內容

本發明的主要目的在于提供一種電量預測方法、裝置以及計算機可讀存儲介質，旨在解決電量數據預測不正確的問題。

為實現上述目的，本發明提供的一種電量預測方法、裝置以及計算機可讀存儲介質，所述電量預測方法包括以下步驟：

獲取電量時序信息、氣溫信息、假日信息、風力信息以及天氣信息；

根據所述電量時序信息確定第一預測值，根據所述氣溫信息、所述假日信息以及所述風力信息確定第二預測值，且根據所述天氣信息確定第三預測值；

根據所述第一預測值、所述第二預測值以及所述第三預測值確定預測電量值；

輸出所述預測電量值。

在一個實施例中，所述根據所述電量時序信息確定第一預測值，根據所述氣溫信息、所述假日信息以及所述風力信息確定第二預測值，且根據所述天氣信息確定第三預測值，根據所述第一預測值、所述第二預測值以及所述第三預測值確定預測電量值的步驟包括：

將所述電量時序信息、氣溫信息、假日信息、風力信息以及天氣信息輸入預設的電量預測模型；

獲取所述電量預測模型輸出的所述預測電量值，其中，所述電量預測模型根據所述電量時序信息確定第一預測值，根據所述氣溫信息、所述假日信息以及所述風力信息確定第二預測值，且根據所述天氣信息確定第三預測值，并根據所述第一預測值、所述第二預測值以及所述第三預測值輸出預測電量值。

在一個實施例中，所述將所述電量時序信息、氣溫信息、假日信息、風力信息以及天氣信息輸入預設的電量預測模型的步驟之前，還包括：

獲取第一訓練集、第二訓練集以及第三訓練集，其中，所述第一訓練集包括多個電量時序訓練信息，所述第二訓練集包括多組訓練信息，所述訓練信息包括氣溫訓練信息、假日訓練信息以及風力訓練信息，所述第三訓練集包括多個天氣訓練信息；

將所述第一訓練集輸入至預設的訓練模型中神經網絡的第一訓練層，將所述第二訓練集輸入至所述神經網絡的第二訓練層，且將所述第三訓練集輸入至所述神經網絡的第三訓練層；

在所述神經網絡的第四訓練層的收斂值小于預設閾值，停止訓練，并將停止訓練的訓練模型保存為電量預測模型，其中，所述第四訓練層根據第一訓練層、第二訓練層以及第三訓練層的輸出值進行訓練。

在一個實施例中，所述將所述第一訓練集輸入至預設的訓練模型中神經網絡的第一訓練層的步驟包括：