[發明專利]電量變化因素分析方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202210393802.8
• 申請日: 2022-04-15
• 公開（公告）號: CN114998048A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 羅敏;郭楊運;周尚禮;向睿;賴雨辰;陳敏娜;張英楠
• 申請（專利權）人: 南方電網數字電網研究院有限公司
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06N3/08;G06K9/62;G06F16/9537
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 聶榕

1.一種電量變化因素分析方法，其特征在于，所述方法包括：

獲取目標時間序列內的電量相關原始數據；

對所述電量相關原始數據進行預處理，得到關鍵因素特征數據；

將所述關鍵因素特征數據輸入預先訓練好的電量變化因素分析模型中，對所述關鍵因素特征數據進行擬合計算，得到所述關鍵因素特征數據中各個預設維度的影響因素對應的電量分量；其中，電量變化因素分析模型包括第一特征輸入層以及第一隱藏層，所述第一隱藏層設置有各所述影響因素對應的擬合函數，用于計算并輸出各所述影響因素對應的電量分量；

基于各所述影響因素對應的電量分量，確定所述目標時間序列內各所述影響因素對電量變化的影響。

2.根據權利要求1所述的方法，其特征在于，所述電量相關原始數據包括用電量數據、氣溫數據以及與用電相關的政策數據，所述關鍵因素特征數據包括氣溫特征數據、假期特征數據、趨勢特征數據以及政策特征數據；

所述對所述電量相關原始數據進行預處理，得到關鍵因素特征數據，包括：

基于預設編碼映射關系對所述電量相關原始數據進行編碼，得到特征編碼數據，所述特征編碼數據包括氣溫編碼數據、第一假期編碼數據、趨勢編碼數據以及政策編碼數據；

根據各所述特征編碼數據對應的歸一化處理參數，對各所述特征編碼數據分別進行歸一化處理，得到氣溫特征數據、假期特征數據、趨勢特征數據以及政策特征數據。

3.根據權利要求2所述的方法，其特征在于，所述氣溫特征數據所對應的擬合函數為基于日氣溫與日用電量訓練得到的分段二次擬合函數。

4.根據權利要求1所述的方法，其特征在于，所述電量變化因素分析模型的訓練過程包括：

獲取原始訓練數據集；

對所述原始訓練數據集進行預處理，得到訓練特征數據集；

將所述訓練特征數據集輸入至初始分析模型中進行擬合計算，通過所述初始分析模型中的輸出層得到擬合電量值，所述初始分析模型包括第二特征輸入層、第二隱藏層以及所述輸出層；

根據所述擬合電量值與歷史電量數據中的真實電量值的偏差對所述初始分析模型中第二特征輸入層、第二隱藏層以及輸出層的參數進行調整，更新所述初始分析模型；

迭代返回將所述訓練特征數據集輸入至初始分析模型中進行擬合計算，得到擬合電量值的步驟，繼續進行訓練，直至滿足訓練結束條件，得到訓練好的電量變化因素分析模型。

5.根據權利要求4所述的方法，其特征在于，所述原始訓練數據集包括預設時間序列內的歷史用電量數據、歷史氣溫數據以及與用電相關的歷史政策數據，所述訓練特征數據集包括訓練氣溫特征數據、訓練假期特征數據、訓練趨勢特征數據以及訓練政策特征數據；

對所述原始訓練數據集進行預處理，得到訓練特征數據集，包括：

對所述歷史氣溫數據進行指數加權滑動平均氣溫計算，得到歷史氣溫編碼數據；

根據所述預設時間序列得到歷史日期數據，對所述歷史日期數據進行編碼，得到歷史假期編碼數據以及歷史趨勢編碼數據；

對所述歷史政策數據進行編碼，得到歷史政策編碼數據；

對各編碼數據分別進行歸一化處理，得到訓練氣溫特征數據、訓練假期特征數據、訓練趨勢特征數據以及訓練政策特征數據。

6.根據權利要求5所述的方法，其特征在于，所述對所述歷史日期數據進行編碼，得到歷史假期編碼數據，包括：

將所述歷史日期數據按照各個日期對應的節假日類型進行分類，為各所述日期設定節假日標簽；

根據各所述日期對應的節假日標簽，從預設編碼值表中確定各所述日期對應的第二假期編碼值，集合得到第二假期編碼數據；

將所述第二假期編碼數據、歷史氣溫編碼數據、歷史趨勢編碼數據以及所述歷史政策編碼數據輸入至所述初始分析模型中，獲取所述初始分析模型的隱藏層輸出的第一假期電量分量；

對所述第一假期電量分量進行目標編碼，得到第三假期編碼值，將所述第三假期編碼值輸入至所述初始分析模型中，迭代進行訓練，達到滿足結束條件時，得到歷史假期編碼數據。