[发明专利]天然气配气方法、电子设备及计算机可读存储介质

权利要求书

1.一种天然气配气方法，其特征在于，包括以下步骤：

S101、根据u_i、s_j、v_i以及V_j分别在前L个计时单位的历史时序数据，分别确定所述u_i、s_j、v_i以及V_j各自的时序依赖关系，u_i表示天然气公司给第i个用户的天然气销售单价，s_j表示第j个气源给天然气公司的天然气销售单价，v_i表示第i个用户的用气量，V_j表示第j个气源的最大供气量；

S102、根据对应的时序依赖关系，分别计算所述u_i、s_j、v_i以及V_j在第L+1个计时单位的预测值；

S103、对气源和用户进行排列组合，形成多个候选配气方案；

S104、将各候选配气方案对应的预测值代入公式①，分别计算各候选配气方案的利润P：

其中，l_ij表示第i个用户到第j个气源的距离，m表示用户数量，n表示气源数量；

S105、将利润P最大的候选配气方案作为最佳配气方案；

S106、在第L+1个计时单位，根据所述最佳配气方案进行配气。

2.根据权利要求1所述的一种天然气配气方法，其特征在于，所述步骤S101进一步包括：

将所述u_i、s_j、v_i以及V_j分别在前L个计时单位的历史时序数据分别输入机器学习模型进行学习，分别确定所述u_i、s_j、v_i以及V_j各自的时序依赖关系。

3.根据权利要求2所述的一种天然气配气方法，其特征在于，所述步骤S102进一步包括：

通过学习后的机器学习模型分别计算所述u_i、s_j、v_i以及V_j在第L+1个计时单位的预测值。

4.根据权利要求2或3所述的一种天然气配气方法，其特征在于，所述机器学习模型采用MLP模型、XGB模型或者GBDT模型。

5.根据权利要求1所述的一种天然气配气方法，其特征在于，所述步骤S101进一步包括：

将所述u_i、s_j、v_i以及V_j分别在前L个计时单位的历史时序数据分别输入深度卷积神经网络进行训练，分别确定所述u_i、s_j、v_i以及V_j各自的时序依赖关系。

6.根据权利要求5所述的一种天然气配气方法，其特征在于，所述步骤S102进一步包括：

将所述u_i、s_j、v_i以及V_j在第L个计时单位的历史值分别输入所述深度卷积神经网络，由所述深度卷积神经网络分别输出所述u_i、s_j、v_i以及V_j在第L+1个计时单位的预测值。

7.根据权利要求6所述的一种天然气配气方法，其特征在于，所述深度卷积神经网络包括CNN网络以及LSTM网络，训练时，先由所述CNN网络对输入的历史时序数据进行降维，然后由所述LSTM网络从降维后的历史时序数据中提取用于表征时序依赖关系的时序依赖特征，最后通过目标函数对所述深度卷积神经网络的参数进行优化。

8.根据权利要求7所述的一种天然气配气方法，其特征在于，所述目标函数采用softmax函数。