【技术实现步骤摘要】
能耗预测模型构建方法、短期能耗预测方法及相关装置
[0001]本公开涉及数据处理
,具体涉及深度学习、大数据等人工智能
,可应用于能耗预测、节能减排场景,尤其涉及一种能耗预测模型构建方法和短期能耗预测方法,以及对应的装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
[0002]诸如大型购物商场、大型游乐场、大型游乐景点等大型商业综合体的节能减排是实行双碳战略的重要渠道。
[0003]为提高建筑的能耗效率、降低成本并减少排放,如何准确获取最优的能耗估值是关键。
技术实现思路
[0004]本公开实施例提出了一种能耗预测模型构建、短期能耗预测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
[0005]第一方面,本公开实施例提出了一种能耗预测模型构建方法,包括:利用预设的编码器处理目标对象在历史时段的能耗数据序列和影响因子数据序列;其中,编码器基于引入注意力机制的循环神经网络构建得到,影响因子数据序列包括:天气、客流、节假日三种影响因子的数据;利用预设的解码器处理编码器的输出数据、目标对象在预测时段的天气数据和节假日数据,得到能耗预测结果;其中,解码器基于循环神经网络构建得到,预测时段为在与历史时段在时间序列上具有连续性的时段;将训练完成的基于编码器和解码器构建的能耗预测模型,输出为目标能耗预测模型。
[0006]第二方面,本公开实施例提出了一种能耗预测模型构建装置,包括:编码器处理单元,被配置成利用预设的编码器处理目标对象在历史时段的能耗数据序列 ...
【技术保护点】
【技术特征摘要】
1.一种能耗预测模型构建方法,包括:利用预设的编码器处理目标对象在历史时段的能耗数据序列和影响因子数据序列;其中,所述编码器基于引入注意力机制的循环神经网络构建得到,所述影响因子数据序列包括:天气、客流、节假日三种影响因子的数据;利用预设的解码器处理所述编码器的输出数据、所述目标对象在预测时段的天气数据和节假日数据,得到能耗预测结果;其中,所述解码器基于循环神经网络构建得到,所述预测时段为在与所述历史时段在时间序列上具有连续性的时段;将训练完成的基于所述编码器和所述解码器构建的能耗预测模型,输出为目标能耗预测模型。2.根据权利要求1所述的方法,其中,所述利用预设的编码器处理目标对象在历史时段的能耗数据序列和影响因子数据序列,包括:获取所述目标对象在历史时段的能耗数据序列和影响因子数据序列;融合所述能耗数据序列和所述影响因子数据序列中的特征,得到融合特征序列;利用所述编码器处理所述融合特征序列。3.根据权利要求1所述的方法,其中,所述利用预设的解码器处理所述编码器的输出数据、所述目标对象在预测时段的天气数据和节假日数据,得到能耗预测结果,包括:针对由多个连续日构成的预测时段的首个预测日,拼接所述编码器的输出数据、所述目标对象在首个预测日的天气数据和节假日数据,得到首个拼接数据;利用所述解码器处理所述首个拼接数据,得到与所述首个预测日对应的首日能耗预测结果;针对由多个连续日构成的预测时段的非首个预测日,将上一个预测日的能耗预测结果与当前预测日对应的天气数据和节假日数据进行拼接,得到当日拼接数据;利用所述解码器处理所述当日拼接数据,得到与当前预测日对应的当日能耗预测结果直至得到最后一个预测日的能耗预测结果。4.根据权利要求1所述的方法,其中,响应于所述目标对象为目标商业中心,所述影响因子数据序列中的客流数据序列为所述目标商业中心中商业区域的客流量。5.根据权利要求1所述的方法,还包括:对所述能耗数据序列和所述影响因子数据序列中存在的异常值和/或缺失值,采用线性插值的方式进行填补。6.根据权利要求1所述的方法,还包括:对所述能耗数据序列中的能耗数据、所述影响因子数据序列中影响因子的数据进行归一化处理。7.根据权利要求1所述的方法,其中,所述节假日影响因子的数据被表示为预设的九维向量;其中,所述九维向量中的七维向量用于表征所述预测时段是一周中的哪一天、所述九维向量中剩余的两维向量用于表征所述预测时段是否受节日、假日影响导致工作日休息或公休日补班。8.根据权利要求1
‑
7任一项所述的方法,还包括:根据所述目标对象中用电对象的分布情况,确定用于计算能耗数据的数据结构;基于存储的所述数据结构和传感器采集得到的用电对象的用电数据,计算得到与所述目标对象对应的能耗数据。
9.根据权利要求8所述的方法,还包括:利用预设的消息队列接收并暂存所述传感器对所述用电对象采集得到的用电数据。10.一种短期能耗预测方法,包括:获取目标预测对象的能耗预测信息;其中,所述能耗预测信息包括能耗预测时段和所述能耗预测时段的天气数据和节假日数据;确定与所述能耗预测时段在时间序列上具有连续性的历史时段能耗信息;其中,所述历史时段能耗信息包括历史时段的能耗数据序列和影响因子数据序列,所述影响因子数据序列包括:天气、客流、节假日三种影响因子的数据;将所述历史时段能耗信息和所述能耗预测信息输入目标能耗预测模型,得到输出的能耗预测结果;其中,所述目标能耗预测模型根据权利要求1
‑
9任一项所述的能耗预测模型构建方法得到。11.一种能耗预测模型构建装置,包括:编码器处理单元,被配置成利用预设的编码器处理目标对象在历史时段的能耗数据序列和影响因子数据序列;其中,所述编码器基于引入注意力机制的循环神经网络构建得到,所述影响因子数据序列包括:天气、客流、节假日三种影响因子的数据;解码器处理单元,被配置成利用预设的解码器处理所述编码器的输出数据、所述目标对象在预测时段的天气数据和节假日数据,得到能耗预测结果;其中,所述解码器基于循环神经网络构建得到,所述预测时段为在与所述历史时段在时间序列上具有连...
【专利技术属性】
技术研发人员:童厚杰,闻雅兰,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。