[发明专利]用电量预测的方法和装置、电子设备、计算机可读介质

说明书

本公开提供了一种用电量预测的方法，涉及云计算领域，该方法包括：获取历史信息和未来信息，所述历史信息包括分别对应M个历史时间段的附加信息和实际用电量，所述未来信息包括分别对应N个未来时间段的附加信息，所述M和N均为正整数；将所述历史信息和未来信息输入预设的卷积神经网络，得到所述卷积神经网络输出的对应各未来时间段的预测用电量。本公开还提供了一种用电量预测的装置、电子设备、计算机可读介质。

技术领域

本公开实施例涉及计算机技术领域(具体为云计算领域)，特别涉及用电量预测的方法和装置、电子设备、计算机可读介质。

背景技术

一定范围(如一个城市、一个小区、特定一个或多个用户等)在不同时间段内的用电量显然不同，由于发电企业发出的电能难以被大规模的存储，故当发电量与用电量明显不匹配时，或者会引起供电不足，或者会造成电能浪费。因此，正确预测未来的用电量，对发电企业、售电企业、城市发展规划者等而言都是很重要的。

通过相似日期对比、时间序列等可进行用电量预测，但这种简单的预测方式考虑的因素少、预测准确度低、可扩展性差。

通过递归神经网络(RNN,Recurrent Neural Network)、长短时间门(Long Short-Term Memory)等预测用电量也是可行的，但这样的方式同样存在模型训练困难、对数据和网络参数要求高等问题。

发明内容

本公开实施例提供一种用电量预测的方法和装置、电子设备、计算机可读介质。

第一方面，本公开实施例提供一种用电量预测的方法，其包括：

获取历史信息和未来信息，所述历史信息包括分别对应M个历史时间段的附加信息和实际用电量，所述未来信息包括分别对应N个未来时间段的附加信息，所述M和N均为正整数；

将所述历史信息和未来信息输入预设的卷积神经网络，得到所述卷积神经网络输出的对应各未来时间段的预测用电量。

在一些实施例中，对应每个时间段的所述附加信息包括：

该时间段的天气信息，和/或，该时间段的节假日信息。

在一些实施例中，所述M和N均为大于或等于2的整数。

在一些实施例中，所述卷积神经网络包括：

第一整合层，用于将所述历史信息整合为历史图像，所述历史图像中，每个所述历史时间段对应一列像素，所述历史用电量、所述附加信息的每个项目对应一行像素；

第二整合层，用于将所述未来信息整合为未来图像，所述未来图像中，每个所述未来时间段对应一列像素，所述附加信息的每个项目对应一行像素。

在一些实施例中，所述卷积神经网络还包括：

与所述第一整合层的输出端连接的第一卷积处理层，用于处理所述历史图像以得到一维的第一向量，所述第一向量的元素个数等于M；

与所述第二整合层的输出端连接的第二卷积处理层，用于处理所述未来图像以得到一维的第二向量，所述第二向量的元素个数等于N；

与所述第一卷积处理层的输出端和所述第二卷积处理层的输出端连接的合并层，用于将所述第一向量与第二向量合并为一维的第三向量，所述第三向量的元素个数等于M+N。

在一些实施例中，所述卷积神经网络还包括：

与所述合并层的输出端连接的残差网络层，用于处理所述第三向量以得到N个一维的第四向量；所述残差网络层包括多个依次连接的残差块，每个所述残差块包括多个卷积层，且每个所述残差块的输入端与输出端间设有直连连接；