[发明专利]基于大数据和人工智能的信息处理方法、系统和存储介质

说明书

本发明提供一种基于大数据和人工智能的信息处理方法、系统和存储介质，处理方法包括：获取用电量评价模型；根据目标时间段所在日前一日相应时间段的用电量序列、并根据该用电量序列得到目标时间段的初始用电量预测序列；根据所述初始用电量预测序列、目标时间段所在日前设定日内参考时间段的用电量序列，得到目标时间段内的用电量预测矩阵；根据所述目标时间段内的用电量预测矩阵和所述用电量评价模型，得到所述目标时间段内的最终用电量预测矩阵；根据所述目标时间段内的最终用电量预测矩阵，得到所述目标时间段的总预测用电量。本发明所提供技术方案与现有技术相比，所得到的用电量预测结果准确性更高。

技术领域

本发明一般地涉及信息处理技术领域。更具体地，本发明涉及一种基于大数据和人工智能的信息处理方法、系统和存储介质。

背景技术

随着科技的快速发展和人们生活的日益提高，电已经成为目前人们日常生活和工业生产中不可缺少的能源。目前，电力系统的配电方式为：在各地区分别设置相应的变电站，各变电站为相应的地区供电，并且为了保证各地区供电的可靠性，各变电站还为相应区域的供电状态进行检测和控制。

在各变电站对相应区域的供电状态进行控制时，对其用电量进行预测可以提前发现用电负荷超载的现象，对电力系统允许的安全性和可靠性非常重要。目前预测用电量的方法是参考前一天各时间段的用电量对后一天各时间段的用电量进行预测，但是无论在家庭还是工厂，其用电量均存在一定的浮动，因此上述预测方法的结果准确性较低。

发明内容

本发明的目的是提供一种基于大数据和人工智能的信息处理方法、系统和存储介质，以至少解决现有技术中的用电量预测结果准确性差的问题。

为实现上述目的，本发明的采用如下技术方案：

一种基于大数据和人工智能的信息处理方法，包括如下步骤：获取用电量评价模型，所述用电量评价模型是基于Conv-LSTM网络的评价模型；获取目标时间段所在日前一日相应时间段的用电量序列，并根据该用电量序列得到目标时间段的初始用电量预测序列；根据所述初始用电量预测序列、目标时间段所在日前设定日内参考时间段的用电量序列，得到目标时间段内的初始用电量预测矩阵；根据所述目标时间段内的初始用电量预测矩阵和所述用电量评价模型，得到所述目标时间段内的最终用电量预测序列；根据所述目标时间段内的最终用电量预测序列，得到所述目标时间段的总预测用电量。

根据本发明的一个实施例，所述电量评价模型包括I+3层Conv-LSTM层和一层卷积层，其中I为M/2的向下取整值。

根据本发明的一个实施例，所述卷积层的激活函数为Sigmoid激活函数。

根据本发明的一个实施例，获取所述目标时间段的总预测用电量后，判断其是否大于设定值，如果大于，则判断为目标时间段的用电量过大。

一方面，本发明还公开一种基于大数据和人工智能的信息处理系统，包括：处理器、存储器、通信接口和通信总线，所述处理器、所处存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存储至少一个可执行指令，所述可执行指令由所述处理器执行上述基于大数据和人工智能的信息处理方法及其多个实施例。

另一方面，本发明还公开一种存储介质，其上存储有计算机程序指令，该指令被一个或者多个处理器执行以实现上述基于大数据和人工智能的信息处理方法及其多个实施例。

本发明所提供的技术方案，首先建立电量评价模型，然后结合目标时间段所在日前设定日内参考时间段的用电量序列，得到目标时间段的总预测用电量。由于本发明所提供的技术方案，可根据目标时间段所在日及所在日前设定日内参考时间段的用电量序列得到用电量变化规律，然后结合其所在日前一日相应时间段的用电量序列得到其总预测用电量，因此与现有技术相比，所得到的总预测用电量预测结果准确性更高。

附图说明