电能替代潜力预测方法、装置、计算机设备和存储介质与流程

1.本技术涉及电能替代技术领域，特别是涉及一种电能替代潜力预测方法、装置、计算机设备和存储介质。


背景技术：

2.随着节能减排观念的不断深化普及，推进电能替代，提高电能能源消费的占比，提高能源开发和利用效率，进而推动能源生产与消费革命，推进生态文明建设，是目前世界各国在能源消费快速增长且逼近环境承载力极限背景下的紧迫课题。
3.电能替代指的是在能源消费上，采用电能替代煤炭、石油、天然气等化石能源的直接消费，提高电能在终端能源消费中的比重，改良终端能源结构，实现更环保、节能、安全和经济性的能源利用。传统的技术方案中，根据待预测电能替代技术的技术类别，获取与该技术类别对应的关键参数，再将关键参数输入至预先设置的电能替代计算模型中，利用电能替代计算模型确定出对应的电能替代量，能够快速便捷地计算出各用户的待预测电能替代技术的电能替代量。其中，关键参数包括指标数据和非电能能耗量，在传统的技术方案中，一般是通过最小二乘法线性拟合确定出与待预测电能替代技术对应的非电能能耗量，但是在实际应用中，在最小二乘法线性拟合的过程中容易出现欠拟合的情况，导致按照传统技术方案确定出的非电能能耗量不准确，进而导致预测出的电能替代量不准确。
4.可见，如何提高确定出非电能能耗量的准确度，进而提高电能替代潜力预测的精准度，是本领域技术人员目前需要解决的技术问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高确定出非电能能耗量的准确度，进而提高电能替代潜力预测的精准度的电能替代潜力预测方法、装置、计算机设备和存储介质。
6.一种电能替代潜力预测方法，所述方法包括：
7.确定出待预测电能替代技术的待预测技术类别，并采集与所述待预测技术类别对应的指标数据；其中，所述指标数据包括第一指标数据和第二指标数据；
8.获取与所述待预测技术类别对应的目标电能替代计算模型；
9.对所述第一指标数据进行变步长的分段线性拟合，确定出所述待预测电能替代技术的非电能能耗量；
10.将所述第二指标数据和所述非电能能耗量输入至所述目标电能替代计算模型中，确定出所述待预测电能替代技术的电能替代量。
11.在其中一个实施例中，所述对所述第一指标数据进行变步长的分段线性拟合，确定出所述待预测电能替代技术的非电能能耗量的过程，包括：
12.设置初始步长为1；
13.采用最小二乘法对所述第一指标数据进行线性拟合；
14.若所述线性拟合过程的迭代次数小于限定值，根据最小二乘法拟合所得的线性方程系数确定出与所述第一指标数据对应的线性回归模型；
15.若所述线性拟合过程的迭代次数大于或等于限定值，更新步长为所述初始步长的一半，并对所述第一指标数据进行分段，将分段后的数据分别设置为所述第一指标数据，并返回所述采用最小二乘法对所述第一指标数据进行线性拟合的步骤；
16.根据所述线性回归模型确定出所述非电能能耗量。
17.在其中一个实施例中，所述采用最小二乘法对所述第一指标数据进行线性拟合的过程，包括：
18.在目标函数中加入正则化因子，基于所述目标函数采用最小二乘法对所述第一指标数据进行线性拟合。
19.在其中一个实施例中，所述待预测技术类别为供热应用，所述供热应用对应的目标电能替代计算模型为：
[0020][0021]
其中，q
e
为电能替代量，单位为kwh；k为热泵替代比例；cop为热泵性能系数；q
h
为供热所需热量；
[0022]
在其中一个实施例中，所述待预测技术类别为干燥应用，所述干燥应用对应的目标电能替代计算模型为：
[0023][0024]
其中，q
e
为电能替代量，单位为kwh；k1为未干燥时的木材含水率；k2为木材干燥目标含水率；cop为热泵性能系数；g为全干木材重量，单位为t；
[0025]
在其中一个实施例中，所述待预测技术类别为居民和商业消费应用，且采集到供水量时，所述热泵热水应用对应的目标电能替代计算模型为：
[0026][0027]
其中：q
e
为电能替代量，单位为kwh；k为热水比例；cop为热泵性能系数；q
w
为供水量，单位为m3；
[0028]
在其中一个实施例中，所述待预测技术类别为所述居民和商业消费应用，且未采集到供水量时，所述居民和商业消费应用对应的目标电能替代计算模型为：
[0029][0030]
其中，q
e
为电能替代量，单位为kwh；q
h,i
为第i种供热设备的蒸吨数，单位为t/h；η
h,i
为第i种所述供热设备的热效率；t
avg,i
为第i种所述供热设备的平均使用时间，单位为h；cop为热泵性能系数；
[0031]
在其中一个实施例中，所述待预测技术类别为电制茶应用，所述电制茶应用对应
的目标电能替代计算模型为：
[0032][0033]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
t
为干毛茶产量，单位为t；
[0034]
在其中一个实施例中，所述待预测技术类别为电烤烟应用，所述电烤烟应用对应的目标电能替代计算模型为：
[0035][0036]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
to
为烤烟产量，单位为t；
[0037]
在其中一个实施例中，所述待预测技术类别为船舶岸电应用，所述船舶岸电应用对应的目标电能替代计算模型为：
[0038][0039]
其中，q
e
为电能替代量，单位为kwh；k为泊位平均使用率；p为泊位的功率，单位为mw；n为泊位数量，单位为个；
[0040]
在其中一个实施例中，所述待预测技术类别为电磁厨房应用，所述电磁厨房应用对应的目标电能替代计算模型为：
[0041][0042]
其中，q
e
为电能替代量，单位为kwh；k为节气比率；η
h
为燃气灶的热效率；η
e
为电磁炉的效率；q
g
为石化燃气用量，单位为m3。
[0043]
在其中一个实施例中，所述方法还包括：
[0044]
若所述待预测电能替代技术的电能替代量超过预设阈值，则将所述待预测电能替代技术的电能替代量对应的用户，确定为所述待预测电能替代技术的第一目标用户。
[0045]
在其中一个实施例中，所述方法还包括：
[0046]
将所述待预测技术类别对应的各电能替代量中，最高的预定数目个电能替代量对应的用户，确定为所述待预测电能替代技术的第二目标用户。
[0047]
在其中一个实施例中，在所述采集与所述待预测技术类别对应的指标数据之后，所述方法还包括：
[0048]
对采集到的所述指标数据进行预处理操作；所述预处理操作包括对所述指标数据进行格式转换，去除所述指标数据中的缺失值。
[0049]
一种电能替代潜力预测装置，所述装置包括：
[0050]
第一确定模块，用于确定出待预测电能替代技术的待预测技术类别，并采集与所述待预测技术类别对应的指标数据；其中，所述指标数据包括第一指标数据和第二指标数据；
[0051]
获取模块，用于获取与所述待预测技术类别对应的目标电能替代计算模型；
[0052]
第二确定模块，用于对所述第一指标数据进行变步长的分段线性拟合，确定出所述待预测电能替代技术的非电能能耗量；
[0053]
输入模块，用于将所述第二指标数据和所述非电能能耗量输入至所述目标电能替代计算模型中，确定出所述待预测电能替代技术的电能替代量。
[0054]
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，所述处理器执行所述计算机程序时实现以下步骤：
[0055]
确定出待预测电能替代技术的待预测技术类别，并采集与所述待预测技术类别对应的指标数据；其中，所述指标数据包括第一指标数据和第二指标数据；
[0056]
获取与所述待预测技术类别对应的目标电能替代计算模型；
[0057]
对所述第一指标数据进行变步长的分段线性拟合，确定出所述待预测电能替代技术的非电能能耗量；
[0058]
将所述第二指标数据和所述非电能能耗量输入至所述目标电能替代计算模型中，确定出所述待预测电能替代技术的电能替代量。
[0059]
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0060]
确定出待预测电能替代技术的待预测技术类别，并采集与所述待预测技术类别对应的指标数据；其中，所述指标数据包括第一指标数据和第二指标数据；
[0061]
获取与所述待预测技术类别对应的目标电能替代计算模型；
[0062]
对所述第一指标数据进行变步长的分段线性拟合，确定出所述待预测电能替代技术的非电能能耗量；
[0063]
将所述第二指标数据和所述非电能能耗量输入至所述目标电能替代计算模型中，确定出所述待预测电能替代技术的电能替代量。
[0064]
上述电能替代潜力预测方法、装置、计算机设备和存储介质，本方法通过对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量，再利用非电能能耗量和第二指标数据确定出待预测电能替代技术的电能替代量；由于变步长的分段线性拟合方法能够根据实际拟合情况对第一指标数据进行分段拟合，因此能够提高确定出的非电能能耗量的准确度，进而提高电能替代潜力预测的精准度。
附图说明
[0065]
图1为一个实施例中电能替代潜力预测方法的流程示意图；
[0066]
图2为另一个实施例中电能替代潜力预测方法的流程示意图；
[0067]
图3为一个实施例中电能替代潜力预测装置的结构框图；
[0068]
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
[0069]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0070]
本技术提供的电能替代潜力预测方法，可以应用于终端设备或者服务器中，其中，
终端设备可以但不限于是各种个人计算机、笔记本电脑以及平板电脑等，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端设备或者服务器可以是与待预测电能替代技术的控制设备通信连接，在确定出待预测电能替代技术的待预测技术类别后，从控制设备中获取与待预测电能替代技术的待预测技术类别对应的指标数据；或者，通过在终端设备或者服务器通信上设置交互装置，用户通过交互装置手动输入指标数据，以便终端设备或者服务器获取与待预测电能替代技术的待预测技术类别对应的指标数据；其中，指标数据包括第一指标数据和第二指标数据；获取与待预测技术类别对应的目标电能替代计算模型；然后利用终端设备或者服务器对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量；将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，确定出待预测电能替代技术的电能替代量。
[0071]
在一个实施例中，如图1所示，提供了一种电能替代潜力预测方法，以该方法应用于终端设备为例进行说明，包括以下步骤：
[0072]
步骤102，确定出待预测电能替代技术的待预测技术类别，并采集与待预测技术类别对应的指标数据；其中，指标数据包括第一指标数据和第二指标数据。
[0073]
在本实施例中，首先确定待预测电能替代技术对应的待预测技术类别，针对不同的待预测技术类别，所需采集的指标数据对应不同。具体的，待预测技术类别包括热泵技术、电制茶和电烤烟、船舶岸电、电磁厨房等；其中，热泵技术包括供热应用、干燥应用以及居民和商业消费(热泵热水)。具体的，指标数据指的是用于计算电能替代量所需的指标对应的数据。在本实施例中，指标数据包括两类，第一类即第一指标数据，指的是用于确定出非电能能耗量的数据；第二类即第二指标数据，指的是用于直接输入至目标电能替代计算模型中的数据。并且，第一指标数据或第二指标数据可以包括多种指标类型对应的数据，本实施例对此不做限定。例如，对供热应用而言，第二指标数据可以包括热泵替代比例、热泵性能系数等指标数据。
[0074]
步骤104，获取与待预测技术类别对应的目标电能替代计算模型。
[0075]
本步骤中，是在确定出与待预测电能替代技术对应的待预测技术类别之后，获取与带预测技术类别对应的目标电能替代计算模型。具体的，可以是在确定出待预测技术类别之后，通过响应于用户的输入操作，获取对应的目标电能替代计算模型；也可以是预先设置并存储与各不同技术类别分别对应的电能替代计算模型，在确定出待预测技术类别之后，从预先存储的各电能替代计算模型中确定出与待预测技术类别对应的目标电能替代计算模型；本实施例对获取目标电能替代计算模型的具体方式不做限定。
[0076]
步骤106，对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量。
[0077]
具体的，非电能能耗量指的是与待预测电能替代技术对应的、在达到目标技术效果时所需的非电能的能耗量，或者是与待预测电能替代技术对应的、在达到目标技术效果时对应的技术产量；例如，对于供热应用来说，非电能能耗量为供热所需热量，对于电制茶应用来说，非电能能耗量为干毛茶产量。
[0078]
具体的，变步长的分段线性拟合指的是在分段线性拟合的过程中，根据实际需求改变拟合过程的步长，从而得到更加精准的拟合结果，即根据第一指标数据确定出精准的非电能能耗量。
[0079]
步骤108，将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，确定出待预测电能替代技术的电能替代量。
[0080]
具体的，电能替代量指的是采用电能替代待预测电能替代技术时所需的电量。在本实施例中，在获取到第二指标数据和非电能能耗量后，将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，利用目标电能替代计算模型确定出与待预测电能替代技术对应的电能替代量。
[0081]
本发明实施例提供的一种电能替代潜力预测方法，通过对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量，再利用非电能能耗量和第二指标数据确定出待预测电能替代技术的电能替代量；由于变步长的分段线性拟合方法能够根据实际拟合情况对第一指标数据进行分段拟合，因此能够提高确定出的非电能能耗量的准确度，进而提高电能替代潜力预测的精准度。
[0082]
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量的过程，包括：
[0083]
设置初始步长为1；
[0084]
采用最小二乘法对第一指标数据进行线性拟合；
[0085]
若线性拟合过程的迭代次数小于限定值，根据最小二乘法拟合所得的线性方程系数确定出与第一指标数据对应的线性回归模型；
[0086]
若线性拟合过程的迭代次数大于或等于限定值，更新步长为初始步长的一半，并对第一指标数据进行分段，将分段后的数据分别设置为第一指标数据，并返回采用最小二乘法对第一指标数据进行线性拟合的步骤；
[0087]
根据线性回归模型确定出非电能能耗量。
[0088]
具体的，首先设置初始步长为1，设置进行线性拟合的初始数据集；本实施例中，设置进行线性拟合的初始数据集m1为全部的第一指标数据；然后采用最小二乘法对第一指标数据进行线性拟合，并获取线性拟合过程中的迭代次数，并判断线性拟合过程的迭代次数是否大于限定值；若是，则判断当前拟合结果是否达到预期精度；若达到，则表示在限定次数之内，线性拟合的结果就已经达到预期精度，因此根据最小二乘法拟合所得的线性方程系数确定出与第一指标数据对应的线性回归模型；若未达到，则继续采用最小二乘法对第一指标数据进行线性拟合；若线性拟合过程的迭代次数大于或等于限定值，则表示线性拟合过程达到限定次数，线性拟合的结果仍未达到预期精度，因此更新步长为初始步长的一半，也就是将当前步长设置为初始步长的一半，并对第一指标数据即初始数据集进行分段，将初始数据集分为两段，将分段后的数据分别设置为第一指标数据，也就是将分段后的初始数据集分别作为当前数据集m
21
和m
22
，再采用最小二乘法分别对当前数据集m
21
和m
22
进行线性拟合；针对当前数据集，分别判断其线性拟合过程的迭代次数是否大于限定值；若当前数据集m
21
或m
22
线性拟合过程的迭代次数仍大于或等于限定值，则需要对当前数据集m
21
或m
22
再次进行分段，例如对当前数据集m
21
进行分段为m
31
和m
32
，将分段后的数据集分别作为当前数据集，直至线性拟合过程的迭代次数小于限定值，将最小二乘法拟合所得的线性方程系数确定出与对应的当前数据集的线性回归模型。
[0089]
也就是说，本实施例是针对各分段的第一指标数据分别确定出对应的线性回归模
型；在确定出线性回归模型后，将目标参数如目标日期、目标时间等输入至线性回归模型中，根据线性回归模型确定出与待预测电能替代技术的对应的非电能能耗量。因此按照本实施例的方法，能便捷精准地确定出与待预测电能替代技术的非电能能耗量。
[0090]
作为优选的实施方式，采用最小二乘法对第一指标数据进行线性拟合，得到线性拟合的迭代次数的过程，包括：
[0091]
在目标函数中加入正则化因子，基于目标函数采用最小二乘法对第一指标数据进行线性拟合。
[0092]
需要说明的是，正则化(regularization)是机器学习中对原始损失函数引入额外信息，以便防止过拟合和提高模型泛化性能的一类方法的统称。在目标函数中加入正则化因子，目标函数变成了原始损失函数 正则化因子，常用的正则化因子包括l1正则化和l2正则化。本实施例优选地在目标函数中加入l1正则化因子，基于更新后的目标函数，采用最小二乘法对第一指标数据进行线性拟合。
[0093]
可见，本实施例中，通过在目标函数中增加正则化因子，能够进一步避免采用最小二乘法对第一指标数据进行线性拟合过程中出现的过拟合的情况，因此能够更加精准地确定出非电能能耗量，进而能够提高确定出电能替代量的精准度。
[0094]
图2为另一种电能替代潜力预测方法的流程示意图，在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化。
[0095]
在其中一个实施例中，待预测技术类别为热泵技术，具体为供热应用，供热应用对应的目标电能替代计算模型为：
[0096][0097]
其中，q
e
为电能替代量，单位为kwh；k为热泵替代比例；cop为热泵性能系数；q
h
为供热所需热量，通过变步长的分段线性拟合得出；
[0098]
在其中一个实施例中，待预测技术类别为热泵技术，具体为干燥应用，干燥应用对应的目标电能替代计算模型为：
[0099][0100]
其中，q
e
为电能替代量，单位为kwh；k1为未干燥时的木材含水率；k2为木材干燥目标含水率；cop为热泵性能系数；g为全干木材重量，单位为t，通过变步长的分段线性拟合得出；
[0101]
在其中一个实施例中，待预测技术类别为热泵技术，具体为居民和商业消费应用，且采集到供水量时，热泵热水应用对应的目标电能替代计算模型为：
[0102][0103]
其中：q
e
为电能替代量，单位为kwh；k为热水比例；cop为热泵性能系数；q
w
为供水量，单位为m3，通过变步长的分段线性拟合得出；
[0104]
在其中一个实施例中，待预测技术类别为热泵技术，具体为居民和商业消费应用，且未采集到供水量时，居民和商业消费应用对应的目标电能替代计算模型为：
[0105][0106]
其中，q
e
为电能替代量，单位为kwh；q
h,i
为第i种供热设备的蒸吨数，单位为t/h，通过变步长的分段线性拟合得出；η
h,i
为第i种供热设备的热效率；t
avg,i
为第i种供热设备的平均使用时间，单位为h，通过变步长的分段线性拟合得出；cop为热泵性能系数；
[0107]
在其中一个实施例中，待预测技术类别为电制茶应用，电制茶应用对应的目标电能替代计算模型为：
[0108][0109]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
t
为干毛茶产量，单位为t，通过变步长的分段线性拟合得出；
[0110]
在其中一个实施例中，待预测技术类别为电烤烟应用，电烤烟应用对应的目标电能替代计算模型为：
[0111][0112]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
to
为烤烟产量，单位为t，通过变步长的分段线性拟合得出；
[0113]
在其中一个实施例中，待预测技术类别为船舶岸电应用，船舶岸电应用对应的目标电能替代计算模型为：
[0114][0115]
其中，q
e
为电能替代量，单位为kwh；k为泊位平均使用率；p为泊位的功率，单位为mw；n为泊位数量，单位为个，通过变步长的分段线性拟合得出；
[0116]
在其中一个实施例中，待预测技术类别为电磁厨房应用，电磁厨房应用对应的目标电能替代计算模型为：
[0117][0118]
其中，q
e
为电能替代量，单位为kwh；k为节气比率；η
h
为燃气灶的热效率；η
e
为电磁炉的效率；q
g
为石化燃气用量，单位为m3，通过变步长的分段线性拟合得出。
[0119]
本实施例中，针对不同的技术类别，设置有对应的电能替代计算模型，在实际操作中，能够针对与待预测电能替代技术对应的待预测技术类别选择对应的目标电能替代计算模型进行电能替代潜力预测，能够精准地确定出与待预测电能替代技术对应的电能替代量。
[0120]
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：
[0121]
若待预测电能替代技术的电能替代量超过预设阈值，则将待预测电能替代技术的
电能替代量对应的用户，确定为待预测电能替代技术的第一目标用户。
[0122]
具体的，在本实施例中，预先设置预设阈值，预设阈值是用于判定电能替代量是否为较高的电能替代量的衡量标准；在确定出待预测电能替代技术的电能替代量后，判断电能替代量是否大于预设阈值；若大于，即电能替代量超过预设阈值，即表示该电能替代量较高，该电能替代量对应的用户为潜力高的用户。
[0123]
需要说明的是，对于不同的待预测电能替代技术，其预设阈值可能不同，因此需要根据实际需求对应设置，本实施例对预设阈值的具体取值不做限定。在实际操作中，只要待预测电能替代技术的电能替代量大于该待预测电能替代技术对应的预设阈值，即表示该电能替代量对应的用户为第一目标用户。按照本实施例的方法，能够进一步筛选出电能替代潜力高的第一目标用户。
[0124]
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，方法还包括：
[0125]
将待预测技术类别对应的各电能替代量中，最高的预定数目个电能替代量对应的用户，确定为待预测电能替代技术的第二目标用户。
[0126]
在本实施例中，在计算出多个不同用户的待预测技术类别分别对应的电能替代量后，将各电能替代量按照从大到小的顺序排列，并按照排列顺序筛选出预定数目个电能替代量，即确定出最高的预定数目个电能替代量，并将筛选出的电能替代量的用户确定为待预测技术类别的第二目标用户。
[0127]
需要说明的是，本实施例对预定数目的具体值不做限定，例如预定数目可以是一个，即确定出待预测技术类别对应的各电能替代量中电能替代量最高的电能替代量，并将该最高电能替代量对应的用户确定为第二目标用户；或者预定数目可以是三个，即确定出待预测技术类别对应的各电能替代量中电能替代量前三的电能替代量，并将最高的三个电能替代量对应的用户确定为第二目标用户。
[0128]
需要说明的是，对于不同的待预测电能替代技术，其预定数目可能不同，因此需要根据实际需求对应设置，本实施例对预定数目的具体取值不做限定。按照本实施例的方法，能够进一步筛选出电能替代潜力高的第二目标用户。
[0129]
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，本实施例中，在采集与待预测技术类别对应的指标数据之后，方法还包括：
[0130]
对采集到的指标数据进行预处理操作；预处理操作包括对指标数据进行格式转换，去除指标数据中的缺失值。
[0131]
可以理解的是，由于指标数据多种多样，因此在采集指标数据的过程中可能存在错漏的情况，若是直接利用采集到的指标数据计算非电能能耗量或者直接利用采集到的指标数据计算电能替代量，则将影响确定出的电能替代量的精准度。
[0132]
在本实施例中，是在采集到指标数据后，进一步对指标数据进行预处理操作；其中，预处理操作包括对指标数据进行格式转换，将相同类型的指标数据的单位转换为统一格式，将相同类型的指标数据统一为保留整数部分的数值形式或者保留两位小数的数值形式等，本实施例对格式转换的具体类型不做限定。另外，预处理操作还包括去除指标数据中的缺失值，缺失值指的是在某时刻没有采集到对应的指标数据或者某时刻的指标数据丢失，导致该时刻对应的数据为空，因此删除该缺失值。
[0133]
可见，在本实施例中，通过在采集到与待预测技术类别对应的指标数据之后，进一步对采集到的指标数据进行预处理操作，因此能够提高确定出非电能能耗量和/或电能替代量的准确度。
[0134]
应该理解的是，虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0135]
在一个实施例中，如图3所示，提供了一种电能替代潜力预测装置，包括：第一确定模块302、获取模块304、第二确定模块306和输入模块308，其中：
[0136]
第一确定模块302，用于确定出待预测电能替代技术的待预测技术类别，并采集与待预测技术类别对应的指标数据；其中，指标数据包括第一指标数据和第二指标数据；
[0137]
获取模块304，用于获取与待预测技术类别对应的目标电能替代计算模型；
[0138]
第二确定模块306，用于对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量；
[0139]
输入模块308，用于将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，确定出待预测电能替代技术的电能替代量。
[0140]
在一个实施例中，第二确定模块包括：
[0141]
第一设置子模块，用于设置初始步长为1；
[0142]
线性拟合子模块，用于采用最小二乘法对第一指标数据进行线性拟合；
[0143]
第一执行子模块，用于若线性拟合过程的迭代次数小于限定值，根据最小二乘法拟合所得的线性方程系数确定出与第一指标数据对应的线性回归模型；
[0144]
第二执行子模块，用于若线性拟合过程的迭代次数大于或等于限定值，更新步长为初始步长的一半，并对第一指标数据进行分段，将分段后的数据分别设置为第一指标数据，并返回线性拟合子模块；
[0145]
确定子模块，用于根据线性回归模型确定出非电能能耗量。
[0146]
在一个实施例中，线性拟合子模块包括：
[0147]
线性拟合单元，用于在目标函数中加入正则化因子，基于目标函数采用最小二乘法对第一指标数据进行线性拟合。
[0148]
在一个实施例中，目标电能替代计算模型包括以下各项中的任意一项：
[0149]
第一项：
[0150]
待预测技术类别为供热应用，供热应用对应的目标电能替代计算模型为：
[0151][0152]
其中，q
e
为电能替代量，单位为kwh；k为热泵替代比例；cop为热泵性能系数；q
h
为供热所需热量；
[0153]
第二项：
[0154]
待预测技术类别为干燥应用，干燥应用对应的目标电能替代计算模型为：
[0155][0156]
其中，q
e
为电能替代量，单位为kwh；k1为未干燥时的木材含水率；k2为木材干燥目标含水率；cop为热泵性能系数；g为全干木材重量，单位为t；
[0157]
第三项：
[0158]
待预测技术类别为居民和商业消费应用，且采集到供水量时，热泵热水应用对应的目标电能替代计算模型为：
[0159][0160]
其中：q
e
为电能替代量，单位为kwh；k为热水比例；cop为热泵性能系数；q
w
为供水量，单位为m3；
[0161]
第四项：
[0162]
待预测技术类别为居民和商业消费应用，且未采集到供水量时，居民和商业消费应用对应的目标电能替代计算模型为：
[0163][0164]
其中，q
e
为电能替代量，单位为kwh；q
h,i
为第i种供热设备的蒸吨数，单位为t/h；η
h,i
为第i种供热设备的热效率；t
avg,i
为第i种供热设备的平均使用时间，单位为h；cop为热泵性能系数；
[0165]
第五项：
[0166]
待预测技术类别为电制茶应用，电制茶应用对应的目标电能替代计算模型为：
[0167][0168]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
t
为干毛茶产量，单位为t；
[0169]
第六项：
[0170]
待预测技术类别为电烤烟应用，电烤烟应用对应的目标电能替代计算模型为：
[0171][0172]
其中，q
e
为电能替代量，单位为kwh；k为热泵干燥出水比例；cop为热泵性能系数；q
to
为烤烟产量，单位为t；
[0173]
第七项：
[0174]
待预测技术类别为船舶岸电应用，船舶岸电应用对应的目标电能替代计算模型为：
[0175][0176]
其中，q
e
为电能替代量，单位为kwh；k为泊位平均使用率；p为泊位的功率，单位为mw；n为泊位数量，单位为个；
[0177]
第八项：
[0178]
待预测技术类别为电磁厨房应用，电磁厨房应用对应的目标电能替代计算模型为：
[0179][0180]
其中，q
e
为电能替代量，单位为kwh；k为节气比率；η
h
为燃气灶的热效率；η
e
为电磁炉的效率；q
g
为石化燃气用量，单位为m3。
[0181]
在一个实施例中，另一种电能替代潜力预测装置还包括：
[0182]
第一目标确定模块，用于若待预测电能替代技术的电能替代量超过预设阈值，则将待预测电能替代技术的电能替代量对应的用户，确定为待预测电能替代技术的第一目标用户。
[0183]
在一个实施例中，另一种电能替代潜力预测装置还包括：
[0184]
第二目标确定模块，用于将待预测技术类别对应的各电能替代量中，最高的预定数目个电能替代量对应的用户，确定为待预测电能替代技术的第二目标用户。
[0185]
在一个实施例中，另一种电能替代潜力预测装置还包括：
[0186]
预处理模块，用于对采集到的指标数据进行预处理操作；预处理操作包括对指标数据进行格式转换，去除指标数据中的缺失值。
[0187]
关于电能替代潜力预测装置的具体限定可以参见上文中对于电能替代潜力预测方法的限定，在此不再赘述。上述电能替代潜力预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0188]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电能替代潜力预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0189]
本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0190]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0191]
确定出待预测电能替代技术的待预测技术类别，并采集与待预测技术类别对应的指标数据；其中，指标数据包括第一指标数据和第二指标数据；
[0192]
获取与待预测技术类别对应的目标电能替代计算模型；
[0193]
对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量；
[0194]
将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，确定出待预测电能替代技术的电能替代量。
[0195]
在一个实施例中，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以下步骤：
[0196]
确定出待预测电能替代技术的待预测技术类别，并采集与待预测技术类别对应的指标数据；其中，指标数据包括第一指标数据和第二指标数据；
[0197]
获取与待预测技术类别对应的目标电能替代计算模型；
[0198]
对第一指标数据进行变步长的分段线性拟合，确定出待预测电能替代技术的非电能能耗量；
[0199]
将第二指标数据和非电能能耗量输入至目标电能替代计算模型中，确定出待预测电能替代技术的电能替代量。
[0200]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0201]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0202]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。