【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种建筑场景中的高频数据确定方法、装置及电子设备。
技术介绍
1、随着国内城市化进程的加快，建筑碳排放问题日益凸显。建筑行业作为能源消耗和温室气体排放的主要来源之一，其碳排放量占总排放量的近40％，其中建筑运行阶段的碳排放量可能占到建筑总碳排放的60％至70％。
2、但由于建筑运行阶段的碳核算往往依赖于估算和历史数据，具有严重滞后性，且涉及多个能源类型，如电力、热力、天然气等，不同品类能源的时间尺度特征不同，无法准确及时反映建筑的实际能耗，缺乏精确的实时监测手段。因此，能源数据统计缺乏时，存在难以有效预测能源数据的技术问题。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种建筑场景中的高频数据确定方法、装置及电子设备，以至少解决在能源数据统计缺乏时，难以有效预测能源数据的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种建筑场景中的高频数据确定方法，包括：确定第一能源对应的第一高频数据，其中，所述第一高频数据为计量单位小于第一阈值，且与所述第一能源对应的数据；调取与目标建筑场景对应的高频预测模型，其中，所述目标建筑场景为使用所述第一能源与第二能源的建筑场景，所述第二能源为与所述第一能源相关联的能源，所述高频预测模型依据低频预测模型构建，所述低频预测模型为依据样本数据训练得到的，所述样本数据包括所述目标建筑场景中，所述第一能源对应的第一样本低频数据，与所
3、可选地，调取与目标建筑场景对应的高频预测模型之前，还包括：获取与所述第一能源对应的所述样本高频数据；累加所述样本高频数据，得到第一样本低频数据，其中，所述第一样本低频数据为计量单位大于或等于第一阈值，且与所述第一能源对应的数据；依据与所述第一能源对应的所述第一样本低频数据，以及与所述第二能源对应的所述第二样本低频数据，对初始模型进行训练，得到所述低频预测模型；依据所述低频预测模型，得到所述高频预测模型。
4、可选地，依据与所述第一能源对应的所述第一样本低频数据，以及与所述第二能源对应的所述第二样本低频数据，对初始模型进行训练，得到所述低频预测模型，包括：将所述第一样本低频数据与所述第二样本低频数据转化为预定向量；依据查询矩阵，键矩阵与值矩阵，确定与所述预定向量对应的查询向量，键向量，值向量；确定所述查询向量与每个键向量之间的相似性指数；对多个相似性指数进行归一化处理，得到多个注意力权重，其中，所述多个注意力权重与所述多个相似性指数一一对应；依据所述多个注意力权重，与对应的值向量进行加权求和，得到所述查询向量对应的输出向量；将所述输出向量输入至所述初始模型中进行训练，得到所述低频预测模型。
5、可选地，将所述输出向量输入至所述初始模型中进行训练，得到所述低频预测模型，包括：在所述初始模型包括编码器与解码器的情况下，将所述输出向量输入至所述编码器中进行降维处理，得到目标向量；依据所述目标向量输入至所述解码器中，重构为重构向量；确定所述输出向量与所述重构向量之间的损失值；通过反向传播算法调整所述编码器与所述解码器的参数，直至对应的损失值低于第三阈值，得到所述低频预测模型。
6、可选地，依据所述低频预测模型，得到所述高频预测模型，包括：确定所述低频预测模型的初始模型参数；确定低频数据与高频数据的区别特征；从所述初始模型参数中，确定出与所述区别特征对应的参数调整项；依据所述区别特征对所述参数调整项的参数进行调整，得到调参后的初始模型参数。
7、可选地，将所述第一高频数据输入至高频预测模型中，确定所述第二能源对应的第二高频数据之前，还包括：确定所述第一高频数据的缺失指数；在所述缺失指数大于第三阈值的情况下，确定所述第一高频数据的数据类型；依据与所述数据类型对应的方式，对所述第一高频数据进行填充，得到填充后的所述第一高频数据。
8、可选地，将所述第一高频数据输入至高频预测模型中，确定所述第二能源对应的第二高频数据之后，还包括：确定与所述第二高频数据对应的供能设备；依据所述第二高频数据，对所述供能设备进行调整，以达到供能目标。
9、根据本专利技术实施例的一个方面，提供了一种建筑场景中的高频数据确定装置，包括：第一确定模块，用于确定第一能源对应的第一高频数据，其中，所述第一高频数据为计量单位小于第一阈值，且与所述第一能源对应的数据；调取模块，用于调取与目标建筑场景对应的高频预测模型，其中，所述目标建筑场景为使用所述第一能源与第二能源的建筑场景，所述第二能源为与所述第一能源相关联的能源，所述高频预测模型依据低频预测模型构建，所述低频预测模型为依据样本数据训练得到的，所述样本数据包括所述目标建筑场景中，所述第一能源对应的第一样本低频数据，与所述第二能源对应的第二样本低频数据，所述第一样本低频数据为依据样本高频数据得到的，所述第一样本低频数据为计量单位大于或等于所述第一阈值，且与所述第一能源对应的数据，所述第二样本低频数据为计量单位大于或等于第二阈值，且与所述第二能源对应的数据；第二确定模块，用于将所述第一高频数据输入至高频预测模型中，确定所述第二能源对应的第二高频数据。
10、根据本专利技术实施例的一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的建筑场景中的高频数据确定方法。
11、根据本专利技术实施例的一个方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的建筑场景中的高频数据确定方法。
12、在本专利技术实施例中，确定第一能源对应的第一高频数据，其中，第一高频数据为计量单位小于第一阈值，且与第一能源对应的数据；调取与目标建筑场景对应的高频预测模型，其中，目标建筑场景为使用第一能源与第二能源的建筑场景，第二能源为与第一能源相关联的能源，高频预测模型依据低频预测模型构建，低频预测模型为依据样本数据训练得到的，样本数据包括目标建筑场景中，第一能源对应的第一样本低频数据，与第二能源对应的第二样本低频数据，第一样本低频数据为依据样本高频数据得到的；将第一高频数据输入至高频预测模型中，确定第二能源对应的第二高频数据。可知，其通过在目标建筑场景中一种能源的高频数据情况，就可以预测到另一种能源的高频数据情况，达到了在第二能源在缺乏能源数据统计时，也能够进行有效预测的目的，进而解决了在能源数据统计缺乏时，难以有效预测能源数据的技术问题。
本文档来自技高网...【技术保护点】
1.一种建筑场景中的高频数据确定方法，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，调取与目标建筑场景对应的高频预测模型之前，还包括：
3.根据权利要求2所述的方法，其特征在于，依据与所述第一能源对应的所述第一样本低频数据，以及与所述第二能源对应的所述第二样本低频数据，对初始模型进行训练，得到所述低频预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，将所述输出向量输入至所述初始模型中进行训练，得到所述低频预测模型，包括：
5.根据权利要求2所述的方法，其特征在于，依据所述低频预测模型，得到所述高频预测模型，包括：
6.根据权利要求1所述的方法，其特征在于，将所述第一高频数据输入至高频预测模型中，确定所述第二能源对应的第二高频数据之前，还包括：
7.根据权利要求1至6中任意一项所述的方法，其特征在于，将所述第一高频数据输入至高频预测模型中，确定所述第二能源对应的第二高频数据之后，还包括：
8.一种建筑场景中的高频数据确定装置，其特征在于，包括：
9.一种电子设备
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任一项所述的建筑场景中的高频数据确定方法。
...【技术特征摘要】
1.一种建筑场景中的高频数据确定方法，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，调取与目标建筑场景对应的高频预测模型之前，还包括：
3.根据权利要求2所述的方法，其特征在于，依据与所述第一能源对应的所述第一样本低频数据，以及与所述第二能源对应的所述第二样本低频数据，对初始模型进行训练，得到所述低频预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，将所述输出向量输入至所述初始模型中进行训练，得到所述低频预测模型，包括：
5.根据权利要求2所述的方法，其特征在于，依据所述低频预测模型，得到所述高频预测模型，包括：
【专利技术属性】
技术研发人员：陈波，张宏宇，杨闰熹，陈晓东，李瑛，方晓，杜宏宇，杨雨妍，赵淋涛，李妍，
申请(专利权)人：国网北京市电力公司，
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。