[发明专利]一种企业用电负荷预测方法、电网业务子系统及预测系统

说明书

本申请公开了一种企业用电负荷预测方法、电网业务子系统及预测系统，本申请通过从联邦学习协作模型中获取到的第三模型参数，以便第三模型参数对第一联合预测模型进行更新，然后基于更新后的第一联合预测模型得到预测结果，其中第三模型参数为联邦学习协作模型从电网业务子系统中的第一联合预测模型和目标企业的企业业务子系统中的第二联合预测模型接收到的模型参数进行联合训练后得到的模型参数。基于联邦学习的交互方式，本申请在无需直接获取企业的内部数据，避免了企业数据泄露的前提下，融入了企业方面的用电负荷因素，解决了现有的企业用电负荷预测方式存在预测准确度低的技术问题。

技术领域

本申请涉及大数据领域，尤其涉及一种企业用电负荷预测方法。

背景技术

随着社会的发展，电力用户的数量急剧上升，在要满足日益增长的用电需求，使得电力部门必须跟随着大数据的步伐，以求进一步发展，而其中较为关键的一项就是要提高企业用户的用电负荷的预测准确度。

现有的企业用电负荷预测方式采用的是用电力部门中保存的企业用户的用电数据进行数据分析，但是由于是基于电力部门单方面保存的企业历史用电数据得到的预测结果，导致现有的企业用电负荷预测方式存在预测准确度低的技术问题。

发明内容

本申请提供了一种企业用电负荷预测方法、电网业务子系统及预测系统，用于解决现有的企业用电负荷预测方式存在预测准确度低的技术问题。

本申请第一方面提供了一种企业用电负荷预测方法，包括：

电网业务子系统获取目标企业的用电数据；

电网业务子系统将所述用电数据输入至第一联合预测模型进行模型运算，以获得所述第一联合预测模型输出的预测结果；

其中，所述第一联合预测模型为设置于所述电网业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型；

所述第三模型参数的配置方式为：所述联邦学习协作模型根据获取到的第一模型参数和第二模型参数，通过联邦学习参数同态加密方式进行参数优化，得到所述第三模型参数，其中，所述第一模型参数为所述第一联合预测模型上传的模型参数，所述第二模型参数为第二联合预测模型上传的模型参数，所述第二联合预测模型为设置于所述目标企业的企业业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型。

可选地，获得所述第一联合预测模型输出的预测结果之后还包括：

电网业务子系统将所述预测结果上传至所述联邦学习协作模型，使得所述联邦学习协作模型根据所述预测结果对所述第三模型参数进行更新，并向所述电网业务子系统反馈更新后的第三模型参数。

可选地，所述第一模型参数的生成过程包括：

电网业务子系统获取所述目标企业的用电数据；

电网业务子系统将所述用电数据输入至第一联合预测模型进行模型训练，基于训练后的所述第一联合预测模型，得到所述第一模型参数，其中，所述第一模型参数包括：损失函数和梯度参数。

可选地，所述第二模型参数的生成过程包括：

企业业务子系统获取所述目标企业的经营数据；

企业业务子系统将所述经营数据输入至第二联合预测模型进行模型训练，基于训练后的所述第二联合预测模型，得到所述第二模型参数，其中，所述第二模型参数包括：损失函数和梯度参数。

可选地，所述用电数据具体包括：用电计量数据。

可选地，所述经营数据具体包括：企业规模数据、业务类型数据以及业务量数据。

可选地，所述用电数据还包括：环境影响量化数据和电费回收数据；