多建筑短期负荷预测方法、装置、设备和可读存储介质与流程

本申请涉及人工智能，特别是涉及一种多建筑短期负荷预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、短期建筑负荷预测是楼宇节能运行、模型预测控制、需求响应和园区级能源管理的关键基础。现有建筑负荷预测技术通常利用历史负荷、气象变量和日历变量等结构化数据进行建模，随着bilstm、dlinear、patchtst等序列模型的发展，常规时段预测性能已有提升。在城市建筑群的实际运行中，建筑用电需求不仅受温度、湿度和工作日等结构化变量影响，还会受到节假日调休、天气预警、市政公告、商业活动、公共事件等以自然语言文本形式出现的外部事件影响。

2、然而，现有方案仍通常以历史负荷、气象观测、日历变量等结构化输入为主，利用统计模型、机器学习模型或深度序列模型输出未来负荷值，未能充分利用来自天气预警、节假日通知、市政公告和大型活动公告的自然语言事件信息，导致建筑负荷预测的准确性不高。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高建筑负荷预测准确性的多建筑短期负荷预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本申请提供了一种多建筑短期负荷预测方法，包括：

3、获取非结构化的公共事件自然语言数据，以及多个目标建筑各自的建筑元数据与结构化的负荷预测多源基础数据；

4、对负荷预测多源基础数据与建筑元数据进行小时级对齐处理和鲁棒预处理，得到对齐预处理数据，并基于公共事件自然语言数据进行负荷预测相关文本检索，得到检索文本；

5、将检索文本、公共事件自然语言数据以及预测时刻输入预设解析模型，解析出事件记录，基于事件记录生成专家权重先验；

6、通过上下文编码器与水平动态门控机制，根据专家权重先验、对齐预处理数据以及事件记录，生成专家融合权重；

7、获取基于预设场景专家库生成的多个候选负荷预测序列，并根据专家融合权重与各候选负荷预测序列，生成多个目标建筑的负荷预测值。

8、在其中一个实施例中，负荷预测多源基础数据包括：气象数据、日历数据、历史负荷数据；对负荷预测多源基础数据与建筑元数据进行小时级对齐处理和鲁棒预处理，得到对齐预处理数据，包括：

9、将按时间戳排序后非等间隔的至少一部分气象数据重采样至小时网格，并对缺失气象值的至少一部分气象数据进行插值处理与填充处理，得到可用气象数据；

10、对日历数据构造小时级时间标志，并将已构造小时级时间标志的日历数据、历史负荷数据、可用气象数据进行拼接，形成小时级对齐数据；

11、对历史负荷数据与建筑元数据中的异常数据进行鲁棒预处理，得到鲁棒预处理数据；

12、汇集小时级对齐数据与鲁棒预处理数据，得到对齐预处理数据。

13、在其中一个实施例中，基于公共事件自然语言数据进行负荷预测相关文本检索，得到检索文本，包括：

14、对公共事件自然语言数据进行目标建筑相关性评估、预测时刻相关性评估、负荷变化相关性评估，得到相关性评估结果；

15、根据相关性评估结果，对公共事件自然语言数据进行过滤，得到检索文本。

16、在其中一个实施例中，基于事件记录生成专家权重先验，包括：

17、将事件记录编码为事件向量，并采用预设加权池化方式，将事件向量聚合为统一事件表示；

18、通过预设激活函数，将统一事件表示处理为专家权重先验。

19、在其中一个实施例中，通过上下文编码器与水平动态门控机制，根据专家权重先验、对齐预处理数据以及事件记录，生成专家融合权重，包括：

20、通过上下文编码器，从对齐预处理数据中提取出上下文表示；

21、根据上下文表示、专家权重先验、以及基于事件记录生成的统一事件表示，通过水平动态门控机制，生成专家融合权重。

22、在其中一个实施例中，多个候选负荷预测序列通过以下方式生成：

23、获取多种专家模型，基于多种专家模型，构建预设场景专家库；

24、将对齐预处理数据输入预设场景专家库，得到多个候选负荷预测序列。

25、第二方面，本申请还提供了一种多建筑短期负荷预测装置，包括：

26、多源数据获取模块，用于获取非结构化的公共事件自然语言数据，以及多个目标建筑各自的建筑元数据与结构化的负荷预测多源基础数据；

27、预处理与文本检索模块，用于对负荷预测多源基础数据与建筑元数据进行小时级对齐处理和鲁棒预处理，得到对齐预处理数据，并基于公共事件自然语言数据进行负荷预测相关文本检索，得到检索文本；

28、权重先验生成模块，用于将检索文本、公共事件自然语言数据以及预测时刻输入预设解析模型，解析出事件记录，基于事件记录生成专家权重先验；

29、专家融合权重生成模块，用于通过上下文编码器与水平动态门控机制，根据专家权重先验、对齐预处理数据以及事件记录，生成专家融合权重；

30、负荷预测模块，用于获取基于预设场景专家库生成的多个候选负荷预测序列，并根据专家融合权重与各候选负荷预测序列，生成多个目标建筑的负荷预测值。

31、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述各实施例中的步骤。

32、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例中的步骤。

33、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各实施例中的步骤。

34、上述多建筑短期负荷预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，先获取非结构化的公共事件自然语言数据，以及多个目标建筑各自的建筑元数据与结构化的负荷预测多源基础数据，对负荷预测多源基础数据与建筑元数据进行小时级对齐处理和鲁棒预处理，得到对齐预处理数据，并基于公共事件自然语言数据进行负荷预测相关文本检索，得到检索文本。然后，将检索文本、公共事件自然语言数据、预测时刻输入预设解析模型，解析出事件记录，基于事件记录生成专家权重先验。进一步的，通过上下文编码器与水平动态门控机制，根据专家权重先验、对齐预处理数据以及事件记录，生成专家融合权重，再根据专家融合权重、基于预设场景专家库生成的多个候选负荷预测序列，生成多个目标建筑的负荷预测值。整个过程，可以将公共事件自然语言数据、建筑元数据、结构化的负荷预测多源基础数据有效融合，并通过预设场景专家库和水平动态门控，提高各类场景下建筑负荷的预测精度、鲁棒性和可解释性，从而有效提高建筑负荷预测准确性。

1.一种多建筑短期负荷预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述负荷预测多源基础数据包括：气象数据、日历数据、历史负荷数据；所述对所述负荷预测多源基础数据与所述建筑元数据进行小时级对齐处理和鲁棒预处理，得到对齐预处理数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述公共事件自然语言数据进行负荷预测相关文本检索，得到检索文本，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于所述事件记录生成专家权重先验，包括：

5.根据权利要求1所述的方法，其特征在于，所述通过上下文编码器与水平动态门控机制，根据所述专家权重先验、所述对齐预处理数据以及所述事件记录，生成专家融合权重，包括：

6.根据权利要求1所述的方法，其特征在于，多个所述候选负荷预测序列通过以下方式生成：

7.一种多建筑短期负荷预测装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，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6中任一项所述的方法的步骤。

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6中任一项所述的方法的步骤。