【技术实现步骤摘要】
本申请涉及电力领域，具体而言，涉及一种量费的计算方法、量费的计算装置、计算机可读存储介质和计算机程序产品。
技术介绍
1、现有技术中的量费预测方法只采用单一的预测模型，难以同时考虑影响数据与量费之间的线性和非线性关系，也难以挖掘出更深层次的关系。这导致单一模型难以全面捕捉复杂的影响因素，造成量费预测结果的偏差较大，进而影响电力资源配置和电网运行的效率和可靠性。
技术实现思路
1、本申请的主要目的在于提供一种量费的计算方法、量费的计算装置、计算机可读存储介质和计算机程序产品，以至少解决现有技术中量费计算不准确的问题。
2、根据本申请的一方面，提供了一种量费的计算方法，包括：获取量费影响数据，其中，所述量费影响数据为对量费数据具有影响的数据，所述量费影响数据包括用电量时序数据、气候数据以及用电行为数据；根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，其中，所述预定算法包括时间序列算法、深度学习算法以及支持向量机算法，所述量费影响数据和所述预定算法一一对应，所述量费影响数据和所述计算结果一一对应；对多个所述计算结果进行融合处理，得到目标量费数据，其中，所述融合处理至少包括加权处理。
3、可选地，所述计算结果至少包括时间序列计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：获取多个用户的历史影响数据和多个所述用户的历史量费数据，其中，所述历史影响数据
4、可选地，根据所述历史影响数据的影响程度，对多个所述用户进行聚类处理，得到多个用户集合，包括：计算步骤，计算多个所述用户中任意两个所述用户的相似度，得到多个相似度，其中，所述相似度用于表征所述用户的所述历史影响数据的相似程度；确定步骤，确定多个所述相似度中的最小值对应的两个所述用户为目标簇；重复步骤，重复所述确定步骤至少一次，直到达到预设条件，并确定达到所述预设条件时的多个所述目标簇为所述用户集合，其中，所述预设条件包括所述目标簇的数量大于簇阈值、所述确定步骤的重复次数大于次数阈值以及相邻的两个所述目标簇的相似度大于相似度阈值中的一种。
5、可选地，所述计算结果至少包括深度学习计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：获取历史影响数据和历史量费数据，其中，所述历史影响数据为当前时刻之前获取得到的所述量费影响数据，所述历史量费数据为当前时刻之前获取得到的量费数据；将所述量费影响数据输入至第二计算模型，得到所述量费影响数据对应的所述深度学习计算结果，其中，所述第二计算模型是使用多组训练数据通过深度学习算法训练得到的，所述多组训练数据中的每一组训练数据均包括所述历史影响数据和所述历史影响数据对应的所述历史量费数据。
6、可选地，所述计算结果至少包括支持向量机计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：获取历史影响数据和历史量费数据，其中，所述历史影响数据为当前时刻之前获取得到的所述量费影响数据，所述历史量费数据为当前时刻之前获取得到的量费数据；将所述量费影响数据输入至第三计算模型，得到所述量费影响数据对应的所述支持向量机计算结果，其中，所述第三计算模型是使用多组训练数据通过支持向量机算法训练得到的，所述多组训练数据中的每一组训练数据均包括所述历史影响数据和所述历史影响数据对应的所述历史量费数据。
7、可选地，对多个所述计算结果进行融合处理，得到目标量费数据，其中，所述融合处理至少包括加权处理，包括：将所述计算结果依次输入至图注意力网络，得到所述计算结果对应的目标权重，其中，所述图注意力网络使用多组训练数据通过机器学习算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史计算结果和所述历史计算结果对应的权重；分别计算多个所述计算结果与对应的所述目标权重的乘积，得到多个预定值；计算多个所述预定值之和，得到所述目标量费数据。
8、可选地，对多个所述计算结果进行融合处理，得到目标量费数据之后，所述方法还包括：在所述目标量费数据大于负荷阈值的情况下，增大电力系统的发电量；在所述目标量费数据小于等于所述负荷阈值的情况下，减小所述电力系统的发电量。
9、根据本申请的另一方面，提供了一种量费的计算装置，包括：获取单元，用于获取量费影响数据，其中，所述量费影响数据为对量费数据具有影响的数据，所述量费影响数据包括用电量时序数据、气候数据以及用电行为数据；计算单元，用于根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，其中，所述预定算法包括时间序列算法、深度学习算法以及支持向量机算法，所述量费影响数据和所述预定算法一一对应，所述量费影响数据和所述计算结果一一对应；处理单元，用于对多个所述计算结果进行融合处理，得到目标量费数据，其中，所述融合处理至少包括加权处理。
10、根据本申请的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
11、根据本申请的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现任意一种所述的方法的步骤。
12、应用本申请的技术方案，首先，获取量费影响数据，量费影响数据为对量费数据具有影响的数据，量费影响数据包括用电量时序数据、气候数据以及用电行为数据；再根据量费影响数据的类型，采用预定算法对量费影响数据对应的量费数据进行计算，得到多个计算结果，预定算法包括时间序列算法、深度学习算法以及支持向量机算法，量费影响数据和预定算法一一对应，量费影响数据和计算结果一一对应；最后，对多个计算结果进行融合处理，得到目标量费数据，融合处理至少包括加权处理。通过结合多种会对量费数据造成影响的量费影响数据，可以保证算法的训练数据的有效性较好，另外不同类型的数据以用不同的算法来进行计算，进一步提升计算的准确性，进而通过多个计算结果融合的方式来得到最终的目标量本文档来自技高网...
【技术保护点】
1.一种量费的计算方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括时间序列计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述历史影响数据的影响程度，对多个所述用户进行聚类处理，得到多个用户集合，包括：
4.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括深度学习计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括支持向量机计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：
6.根据权利要求1所述的方法，其特征在于，对多个所述计算结果进行融合处理，得到目标量费数据，包括：
7.根据权利要求1所述的方法，其特征在于，对多个所述计算结果进行融合处理，得到目标量
8.一种量费的计算装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述的方法的步骤。
...【技术特征摘要】
1.一种量费的计算方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括时间序列计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述历史影响数据的影响程度，对多个所述用户进行聚类处理，得到多个用户集合，包括：
4.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括深度学习计算结果，根据所述量费影响数据的类型，采用预定算法对所述量费影响数据对应的量费数据进行计算，得到多个计算结果，包括：
5.根据权利要求1所述的方法，其特征在于，所述计算结果至少包括支持向量机计算结果，根据所述量费影响数据的类型...
【专利技术属性】
技术研发人员：朱广名，李海亮，谢迎群，贺臣，李景峰，张新引，刘将玉，崔剑辉，陈中豪，陈忠劲，何永胜，李军杰，武燕如，陈阅，许建远，
申请(专利权)人：广东电网有限责任公司茂名供电局，
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。