能源用量的预测方法、装置、电子设备及存储介质与流程

1.本技术涉及数据处理技术领域，具体涉及一种能源用量的预测方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着时代的快速发展和居民生活对于能源的不断增长，能源消耗不断增加，环境问题也日益突出。
3.目前，为了提升能源管理效率和提高收益，常见的做法是根据上一个时间节点的一些列特征来预测下一时间节点的用量，但是，这样无法发掘历史天然气用量的时间规律或者季度性规律，存在预测用量与实际用量误差大的情况，造成能源供需平衡体系稳定性差，能源利用率和预测准确率低，企业公司的运行成本增加的问题。


技术实现要素：

4.为解决以上问题，本技术提供一种能源用量的预测方法，通过获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；获取目标区域在待预测时间段内的天气预报数据；根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据；根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量，能够有效提高预测能源用量的准确率，合理分配能源用量，节省能源的输配成本，避免能源的过度消耗，显著提升能源利用率和能源管理效率。
5.第一方面，本技术实施例提供了一种能源用量的预测方法，包括：获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；获取所述目标区域在待预测时间段内的天气预报数据；根据所述预设历史时间段、所述第一历史天气数据、所述第一历史用量数据、所述待预测时间段以及所述天气预报数据构建所述目标区域的时间序列数据；根据所述时间序列数据，预测所述目标区域在所述待预测时间段内的第一能源用量。
6.第二方面，本技术实施例提供了一种能源用量的预测装置，包括：第一获取模块，用于获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；第二获取模块，用于获取所述目标区域预设的待预测时间段内的天气预报数据；构建模块，用于根据所述预设历史时间段、所述第一历史天气数据、所述第一历史用量数据、所述待预测时间段以及所述天气预报数据构建所述目标区域的时间序列数据；预测模块，用于根据所述时间序列数据，预测所述目标区域在所述待预测时间段内的能源用量。
7.第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述第一方面所述的方法。
8.第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储
介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面所述的方法。
9.第五方面，本技术的实施例提供了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以实现上述第一方面所述的方法。
10.本技术实施例中提供的技术方案，至少具有如下技术效果或优点：
11.本技术实施例通过获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据，以及获取目标区域在待预测时间段内的天气预报数据，然后根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据，最后根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量，能够有效提高预测能源用量的准确率，合理分配能源用量，节省能源的输配成本，避免能源的过度消耗，显著提升能源利用率和能源管理效率。
12.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变的明显，或通过本技术的实践了解到。
附图说明
13.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
14.图1示出了本技术实施例所提供的一种能源用量预测方法的流程图；
15.图2示出了本技术实施例所提供的能源用量预测模型预测能源用量的结构示意图；
16.图3示出了本技术实施例所提供的一种能源用量预测装置的结构示意图；
17.图4示出了本技术实施例所提供的一种电子设备的结构示意图。
具体实施方式
18.下面将参照附图更详细地描述本技术的示例性实施方式。虽然附图中显示了本技术的示例性实施方式，然而应当理解，可以以各种形式实现本技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本技术，并且能够将本技术的范围完整的传达给本领域的技术人员。
19.目前，为了提升能源管理效率和提高收益，常见的做法是根据上一个时间节点的一些列特征来预测下一时间节点的用量，但是，这样无法发掘历史天然气用量的时间规律或者季度性规律，存在预测用量与实际用量误差大的情况，造成能源供需平衡体系稳定性差，能源利用率和预测准确率低，企业公司的运行成本增加的问题。
20.基于此，本技术实施例提供一种能源用量的预测方法、装置、电子设备及存储介质，本技术通过获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据，以及获取目标区域在待预测时间段内的天气预报数据，然后根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据，最后根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量，通过上述方式，能够从时间、天气以及用量多维度构建时间序列数据，预测目标区域在待预测时间段内的第一能源用量，有效提高预测能源用量的准确率，合理分配能源用
量，节省能源的输配成本，避免能源的过度消耗，显著提升能源利用率和能源管理效率。下面结合附图对本技术实施例的方案进行具体说明。
21.参见图1示出的一种能源能量预测方法的流程图，该方法具体包括以下步骤：
22.步骤101：获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据。
23.在本技术实施例中，能源是指能够提供能量的资源。这里的能量通常指热能、电能、光能、机械能、化学能等，可以为人类提供动能，机械能和能量的物质。本技术中的能源可以是天然气、太阳能、煤、石油、水能、风能、生物能、核能、地热能、潮汐中的任意一种。本技术不作具体限定。
24.预设历史时间段指的是预先设置的用于获取第一历史天气数据和所使用能源的第一历史用量数据的时间段。预设历史时间段可以是本领域技术人员根据实际需要进行设置的时间段，也可以是本领域技术人员根据实际需要对已经设置的时间段进行调整后得到的时间段，本技术不作具体限定。
25.在一种实施方式中，可以将不同区域的不同时间的历史能源用量数据提前存储到存储单元中，当接收到需要获取目标区域预设历史时间段内的历史能源用量指令时，针对该指令从该存储单元中根据目标区域和预设历史时间段进行查询，将查询到的历史能源用量数据作为第一历史用量数据。
26.进一步地，若是存在网络的情况下，可以通过联网获取目标区域预设历史时间段内对应的天气数据，将该天气数据作为第一历史天气数据；若是不存在网络的情况下，也可以将不同区域的不同时间的历史天气数据提前存储到存储单元中，当接收到需要获取目标区域预设历史时间段内的历史天气数据指令时，针对该指令从该存储单元中根据目标区域和预设历史时间段进行查询，将查询到的历史天气数据作为第一历史天气数据。本领域技术人员可以根据实际需要灵活进行获取，本技术实施例不作具体限定。
27.步骤102：获取目标区域在待预测时间段内的天气预报数据。
28.在本技术实施例中，待预测时间段指的是预先设置的将要进行能源用量预测的时间段。待预测时间段的开始时间与预设历史时间段的结束时间相邻，且该开始时间大于该结束时间。
29.在一种实施方式中，可以通过联网获取目标区域待预测时间段内对应的天气数据，将该天气数据作为天气预报数据。
30.步骤103：根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据。
31.在本实施例中，时间序列数据指的是用于预测目标区域在待预测时间段内的能源用量的数据。时间序列数据的构建过程具体如下：
32.具体的，可以利用预设时间库分别对预设历史时间段和待预测时间段进行解析，得到带有时间标签的预设历史时间段和待预测时间段，将第一历史用量数据和第一历史天气数据按照预设时间单位进行时间对齐处理，得到对齐后的第二历史用量数据和第二历史天气数据，再分别对第二历史用量数据、第二历史天气数据、天气预报数据、带有时间标签的预设历史时间段和待预测时间段进行归一化缩小处理，得到历史用量特征、历史天气特征、天气预报特征、历史时间特征和待预测时间特征，最后根据预设的构建时间将历史用量
特征、历史天气特征、天气预报特征、历史时间特征和待预测时间特征构建为目标区域的时间序列数据。
33.进一步地，预设时间库可以是预先设置的具有时间-时间标签的对应关系库，通过该对应关系库对预设历史时间段内的具体时间进行时间标签的匹配，得到对应的时间标签。例如，预设时间库可以是如下表格中显示的时间-时间标签的对应关系库：
34.时间时间标签2023.03.01工作日2023.03.02工作日2023.03.03工作日2023.03.04周末2023.03.05周末
…………
2023.05.01法定节假日
35.预设历史时间段为2023.03.01至2023.03.05，则首先预设历史时间段内的具体时间为2023.03.01、2023.03.02、2023.03.03、2023.03.04、2023.03.05，然后分别用具体时间与上述表格中的对应关系的时间进行匹配，匹配成功后，得到的时间标签即为该具体时间的时间标签，即2023.03.01的时间标签为工作日，2023.03.02的时间标签为工作日，2023.03.03的时间标签为工作日，2023.03.04的时间标签为周末，2023.03.05的时间标签为周末。
36.需要说明的是，时间标签可以是本领域技术人员根据实际需要进行设置的标签，也可以是本领域技术人员根据实际需要对已设置的标签进行调整后得到的标签，本技术不作具体限制。
37.此外，待预测时间段的时间标签与预设历史时间段的时间标签的匹配原理相同，此处不在进行重复赘述。
38.通过给预设历史时间段和待预测时间段匹配时间标签，有利于发掘时间对于能源用量的影响，形成一定的时间规律，进而在预测能源用量的时候利用该时间规律进行预测，可以有效地提高预测能源用量的准确性，降低预测误差。
39.进一步地，预设时间单位指的是预先设置的用于进行将第一历史用量数据和第一历史天气数据进行时间对齐处理的时间单位。预设时间单位可以是月、日、小时、分钟中的任意单位。为了方便描述，在上述实施例中，将第一历史用量数据和第一历史天气数据按照预设时间单位进行时间对齐处理中的预设时间单位为日。具体的，首先从第一历史用量数据中获取预设时间单位内所有历史用量的总和，得到第二历史用量数据，然后从第一历史天气数据中获取预设时间单位内所有的第一天气参数的值，求取所有第一天气参数值得平均值，得到第二历史天气数据，将第二历史用量数据与第二历史天气数据进行对齐。
40.需要说明的是，第一天气参数可以是温度、湿度、风速、气压、露点中的任意参数。本领域技术人员可以根据实际需要进行设置，本技术不作具体限定。
41.例如，第一历史用量数据为如下表格所示：
42.时间能源用量2023.03.01 13:0010
2023.03.01 14:00152023.03.01 15:00112023.03.01 16:00132023.03.01 17:0040
…………
43.若时间单位为日，那么2023.03.01的能源用量则为10+15+11+13+40＝89，即第二历史用量数据为89；
44.第一历史天气数据为如下表格所示：
45.时间第一天气参数(温度℃)2023.03.01 13:00362023.03.01 14:00372023.03.01 15:00352023.03.01 16:00372023.03.01 17:0037
……ꢀ
46.若时间单位为日，那么2023.03.01的天气参数则为即第二历史天气数据为36.4℃。
47.通过将第一历史用量数据和第一历史天气数据按照预设时间单位进行时间对齐处理，有利于发掘天气对于能源用量的影响，形成一定的天气规律，进而在预测能源用量的时候利用该天气规律进行预测，进一步提升预测能源用量的准确性，减小预测误差。
48.进一步地，上述分别对第二历史用量数据、第二历史天气数据、天气预报数据、带有时间标签的预设历史时间段和待预测时间段进行归一化缩小处理，具体可以先获取第二历史用量数据中历史用量的最大值和最小值、第二历史天气数据中各第一天气参数的最大值和最小值、天气预报数据中各第二天气参数的最大值和最小值、带有时间标签的预设历史时间段中第一时间的最大值和最小值以及带有时间标签的待预测时间段中第二时间的最大值和最小值，根据历史用量最大值和最小值对第二历史用量数据中的历史用量进行归一化缩小处理，根据各第一天气参数的最大值和最小值分别对各第一天气参数进行归一化缩小处理，根据各第二天气参数的最大值和最小值分别对各第二天气参数进行归一化缩小处理，根据第一时间的最大值和最小值对第一时间进行归一化缩小处理，根据第二时间的最大值和最小值对第二时间进行归一化缩小处理。
49.进一步地，可以采用如下公式进行归一化缩小处理：
[0050][0051]
其中，当x1表示第二历史用量数据中的历史用量时，x
min1
表示历史用量最小值，x
max1
表示历史用量最大值，x
result1
表示历史用量特征；当x1表示第一天气参数时，x
min1
表示第一天气参数的最小值，x
max1
表示第一天气参数的最大值，x
result1
表示历史天气特征；当x1表示第二天气参数时，x
min1
表示第二天气参数的最小值，x
max1
表示第二天气参数的最大值，x
result1
表示天气预报特征；当x1表示第一时间时，x
min1
表示第一时间的最小值，x
max1
表示第
一时间的最大值，x
result1
表示历史时间特征；当x1表示第二时间时，x
min1
表示第二时间的最小值，x
max1
表示第二时间的最大值，x
result1
表示待预测时间特征；max1和min1表示缩小处理的常数系数，max1为1，min1为0。
[0052]
通过对第二历史用量数据、第二历史天气数据、天气预报数据、带有时间标签的预设历史时间段和待预测时间段进行归一化缩小处理，能够将数据映射到0～1范围之内处理，使得数据处理方便快速，精度提高，提升预测能源用量的准确性，减小预测误差。
[0053]
进一步地，根据预设的构建时间将历史用量特征、历史天气特征、天气预报特征、历史时间特征和待预测时间特征进行划分，构建为目标区域的时间序列数据。
[0054]
需要说明的是，构建时间指的是预先设置的用于构建目标区域的时间序列的数据的时间。构建时间可以是本领域技术人员根据实际需要进行设置时间，也可以是本领域技术人员根据实际需要对已设置的时间进行调整后得到的时间，本技术不作具体限定，
[0055]
通过构建目标区域的时间序列数据，能够根据该目标区域在预设历史时间段内的发展变化趋势和规律找出待预测时间段内的特征、趋势以及发展规律，从而对待预测时间段内的第一能源用量进行有效地预测，有效地提高预测能源用量的准确性，减小预测误差。
[0056]
步骤104：根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量。
[0057]
在通过上述步骤103获得时间序列数据之后，根据获得的时间序列数据，预测目标区域在待预测时间段内的第一能源用量。
[0058]
在一种实施方式中，可以采用预设的能源用量预测模型对构建的时间序列数据进行预测，得到目标区域在待预测时间段内的第一预测用量，然后根据该第一预测用量进行归一化放大处理，得到目标区域在待预测时间段内的第一能源用量。
[0059]
具体地，图2示出了本技术实施例所提供的能源用量预测模型预测能源用量的结构示意图。如图2所示，能源用量预测模型20包括输入层200、隐藏层201以及输出层202，利用输入层200将输入的时间序列数据进行融合处理得到的第一特征向量输入至隐藏层201；利用隐藏层201将第一特征向量进行基于预设权重的加权处理得到的第二特征向量输入至述输出层202；利用输出层202的sigmoid函数根据第二特征向量进行计算，得到目标区域在待预测时间段内的第一预测用量。
[0060]
进一步地，可以根据该第一预测用量，通过下列公式进行归一化放大处理，得到目标区域在待预测时间段内的第一能源用量：
[0061][0062]
其中，x2表示第一预测用量，x
min2
表示历史用量最小值，x
max2
表示历史用量最大值，x
result2
表示第一能源用量，max2和min2表示放大处理的常数系数，max2为1，min2为0。
[0063]
需要说明的是，预设权重可以是本领域技术人员根据实际需要设置的权重，也可以是本领域技术人员根据实际需要对已设置的权重进行调整后得到的权重，本技术不作具体限定。
[0064]
进一步地，在采用预设的能源用量预测模型对构建的时间序列数据进行预测，得到目标区域在待预测时间段内的第一预测用量之前，还可以预先对能源用量预测模型进行训练。具体地，可以构建多个候选时间序列数据，然后基于构建的多个候选时间序列数据及待训练的能源用量预测模型，确定多个时间序列样本，利用多个时间序列样本对待训练的
能源用量预测模型进行训练。
[0065]
进一步地，基于多个候选时间序列数据及待训练的能源用量预测模型，确定多个时间序列样本，包括：将第一候选时间序列数据输入待训练的能源用量预测模型中，得到第一候选时间序列数据对应的第二预测用量，然后将第二预测用量进行归一化放大处理，得到第一候选时间序列数据对应的第二能源用量，最后计算第二能源用量与第一候选时间序列数据对应的实际能源用量的差值，得到预测误差，将该预测误差与预设阈值进行比较，若预测误差小于预设阈值，则将第一候选时间序列数据确定为用于模型训练的时间序列样本。
[0066]
需要说明的是，第一候选时间序列数据为多个候选时间序列数据中的任意一个。构建多个候选时间序列数据的构建方式与上述构建目标区域的时间序列数据的构建方式相同，此处不再进行重复赘述。
[0067]
将第二预测用量进行归一化放大处理的处理方式与上述根据该第一预测用量进行归一化处理的处理方式相同，此处不再进行重复赘述。
[0068]
预测误差可以是第二能源用量与第一候选时间序列数据对应的实际能源用量相间得到的差值，也可以是根据下列公式计算得到差值：
[0069][0070]
其中，mse代表差值，n代表第二能源用量的数量，c1i代表第i个实际用量，c2i代表第i个第二预测用量。预测误差可以根据本领域技术人员根据实际需要来确定具体预测误差的计算方式，本技术不作具体限定。
[0071]
在本技术实施例中，通过获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据，以及获取目标区域在待预测时间段内的天气预报数据，然后根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据，最后根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量，能够有效提高预测能源用量的准确率，合理分配能源用量，节省能源的输配成本，避免能源的过度消耗，显著提升能源利用率和能源管理效率。
[0072]
参见图3，本技术实施例还提供一种能源用量预测装置，该装置用于执行上述实施例所述的能源用量预测方法，该装置包括：
[0073]
第一获取模块301，用于获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；
[0074]
第二获取模块302，用于获取目标区域预设的待预测时间段内的天气预报数据；
[0075]
构建模块303，用于根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据；
[0076]
预测模块304，用于根据时间序列数据，预测目标区域在待预测时间段内的能源用量。
[0077]
本技术实施例提供的能源用量预测装置与上述实施例提供的能源用量预测方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0078]
本技术实施方式还提供一种与前述实施方式所提供的能源用量预测方法对应的
电子设备。请参考图4，其示出了本技术的一些实施方式所提供的一种电子设备的示意图。如图4所示，所述电子设备40可以包括：处理器400，存储器401，总线402和通信接口403，所述处理器400、通信接口403和存储器401通过总线402连接；所述存储器401中存储有可在所述处理器400上运行的计算机程序，所述处理器400运行所述计算机程序时执行本技术前述任一实施方式所提供的能源能量预测方法。
[0079]
其中，存储器401可能包含高速随机存取存储器(ram：random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个物理端口403(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
[0080]
总线402可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器401用于存储程序，所述处理器400在接收到执行指令后，执行所述程序，前述本技术实施例任一实施方式揭示的所述相机位姿估计方法可以应用于处理器400中，或者由处理器400实现。
[0081]
处理器400可能是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器400中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器400可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器400读取存储器401中的信息，结合其硬件完成上述方法的步骤。
[0082]
本技术实施例提供的电子设备与本技术实施例提供的能源用量预测方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
[0083]
本技术实施方式还提供一种与前述实施方式所提供的能源用量预测方法对应的计算机可读存储介质，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的能源用量预测方法。
[0084]
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
[0085]
本技术实施方式还提供一种与前述实施方式所提供的能源用量预测方法对应的计算机程序产品，包括计算机程序，该计算机程序被处理器执行以实现上述各实施例提供的能源用量预测方法。
[0086]
本技术的上述实施例提供的计算机可读存储介质、计算机程序产品均与本技术实施例提供的能源用量预测方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
[0087]
需要说明的是：
[0088]
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
[0089]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0090]
类似地，应当理解，为了精简本技术并帮助理解各个发明方面中的一个或多个，在上面对本技术的示例性实施例的描述中，本技术的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本技术要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本技术的单独实施例。
[0091]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0092]
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本技术的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0093]
本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0094]
应该注意的是上述实施例对本技术进行说明而不是对本技术进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未
列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0095]
以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种能源用量的预测方法，其特征在于，包括：获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；获取所述目标区域在待预测时间段内的天气预报数据；根据所述预设历史时间段、所述第一历史天气数据、所述第一历史用量数据、所述待预测时间段以及所述天气预报数据构建所述目标区域的时间序列数据；根据所述时间序列数据，预测所述目标区域在所述待预测时间段内的第一能源用量。2.根据权利要求1所述的能源用量的预测方法，其特征在于，所述根据所述预设历史时间段、所述第一历史天气数据、所述第一历史用量数据、所述待预测时间段以及所述天气预报数据构建所述目标区域的时间序列数据，包括：利用预设时间库分别对所述预设历史时间段和所述待预测时间段进行解析，得到带有时间标签的预设历史时间段和待预测时间段；将所述第一历史用量数据和所述第一历史天气数据按照预设时间单位进行时间对齐处理，得到对齐后的第二历史用量数据和第二历史天气数据；分别对所述第二历史用量数据、所述第二历史天气数据、所述天气预报数据、所述带有时间标签的所述预设历史时间段和所述待预测时间段进行归一化缩小处理，得到历史用量特征、历史天气特征、天气预报特征、历史时间特征和待预测时间特征；根据预设的构建时间将所述历史用量特征、所述历史天气特征、所述天气预报特征、所述历史时间特征和所述待预测时间特征构建为所述目标区域的时间序列数据。3.根据权利要求2所述的能源用量的预测方法，其特征在于，所述分别对所述第二历史用量数据、所述第二历史天气数据、所述天气预报数据、所述带有时间标签的所述预设历史时间段和所述待预测时间段进行归一化缩小处理，包括：获取所述第二历史用量数据中历史用量的最大值和最小值、所述第二历史天气数据中各第一天气参数的最大值和最小值、所述天气预报数据中各第二天气参数的最大值和最小值、所述带有时间标签的所述预设历史时间段中第一时间的最大值和最小值以及所述带有时间标签的待预测时间段中第二时间的最大值和最小值；根据所述历史用量最大值和最小值对所述第二历史用量数据中的历史用量进行归一化缩小处理；根据所述各第一天气参数的最大值和最小值分别对所述各第一天气参数进行归一化缩小处理；根据所述各第二天气参数的最大值和最小值分别对所述各第二天气参数进行归一化缩小处理；根据所述第一时间的最大值和最小值对所述第一时间进行归一化缩小处理；根据所述第二时间的最大值和最小值对所述第二时间进行归一化缩小处理。4.根据权利要求1所述的能源用量的预测方法，其特征在于，所述根据所述时间序列数据，预测所述目标区域在所述待预测时间段内的第一能源用量，包括：采用预设的能源用量预测模型对构建的所述时间序列数据进行预测，得到所述目标区域在所述待预测时间段内的第一预测用量；根据所述第一预测用量进行归一化放大处理，得到所述目标区域在所述待预测时间段
内的第一能源用量。5.根据权利要求4所述的能源用量的预测方法，其特征在于，所述能源用量预测模型包括输入层、隐藏层以及输出层，所述采用预设的能源用量预测模型对构建的所述时间序列数据进行预测，得到所述目标区域在所述待预测时间段内的第一预测用量，包括：利用所述输入层将输入的所述时间序列数据进行融合处理得到的第一特征向量输入至所述隐藏层；利用所述隐藏层将所述第一特征向量进行基于预设权重的加权处理得到的第二特征向量输入至所述输出层；利用所述输出层的sigmoid函数根据所述第二特征向量进行计算，得到所述目标区域在所述待预测时间段内的所述第一预测用量。6.据权利要求4或5所述的能源用量的预测方法，其特征在于，在所述采用预设的能源用量预测模型对构建的所述时间序列数据进行预测，得到所述目标区域在所述待预测时间段内的第一预测用量之前，还包括：构建多个候选时间序列数据；基于所述多个候选时间序列数据及待训练的能源用量预测模型，确定多个时间序列样本；利用所述多个时间序列样本对所述待训练的能源用量预测模型进行训练。7.据权利要求6所述的能源用量的预测方法，其特征在于，所述基于所述多个候选时间序列数据及待训练的能源用量预测模型，确定多个时间序列样本，包括：将第一候选时间序列数据输入所述待训练的能源用量预测模型中，得到所述第一候选时间序列数据对应的第二预测用量，其中，所述第一候选时间序列数据为所述多个候选时间序列数据中的任意一个；将所述第二预测用量进行归一化放大处理，得到所述第一候选时间序列数据对应的第二能源用量；计算所述第二能源用量与所述第一候选时间序列数据对应的实际能源用量的差值，得到预测误差；若所述预测误差小于预设阈值，则将所述第一候选时间序列数据确定为用于模型训练的时间序列样本。8.一种能源用量的预测装置，其特征在于，包括：第一获取模块，用于获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；第二获取模块，用于获取所述目标区域预设的待预测时间段内的天气预报数据；构建模块，用于根据所述预设历史时间段、所述第一历史天气数据、所述第一历史用量数据、所述待预测时间段以及所述天气预报数据构建所述目标区域的时间序列数据；预测模块，用于根据所述时间序列数据，预测所述目标区域在所述待预测时间段内的能源用量。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-7任一项所述的方法。

技术总结
本申请公开一种能源用量的预测方法、装置、电子设备及存储介质，该方法包括：获取目标区域预设历史时间段内的第一历史天气数据和所使用能源的第一历史用量数据；获取目标区域在待预测时间段内的天气预报数据；根据预设历史时间段、第一历史天气数据、第一历史用量数据、待预测时间段以及天气预报数据构建目标区域的时间序列数据；根据时间序列数据，预测目标区域在待预测时间段内的第一能源用量。本申请通过从时间、天气以及用量多维度构建时间序列数据，预测目标区域在待预测时间段内的第一能源用量，能够有效提高预测能源用量的准确率，合理分配能源用量，节省能源的输配成本，避免能源的过度消耗，显著提升能源利用率和能源管理效率。管理效率。管理效率。


技术研发人员：沈伟
受保护的技术使用者：特斯联科技集团有限公司
技术研发日：2023.03.15
技术公布日：2023/7/12