电力销售金额预测方法和系统与流程

1.本技术涉及数据处理领域，特别是涉及一种电力销售金额预测方法和系统。


背景技术：

2.网电销售平台可以统计用电单位的用电数据和销售数据，并基于用电单位的历史用电数据和历史销售数据，预测电力销售金额，以便部署网电销售平台的供电计划、经济规划和用户体验。然而，电力销售金额的影响因素较多，例如，用户用单位的用电量、用电单位的缴费习惯和电费单价。
3.因此，希望提供一种电力销售金额预测方法，可以提高电力销售金额预测的准确性。


技术实现要素：

4.本说明书实施例的一个方面提供了一种电力销售金额预测方法，所述方法包括：获取多个历史时间点对应的用电历史信息，所述用电历史信息包括用电特征、缴费特征和历史天气特征；将所述多个历史时间点对应的用电历史信息输入预测模型，确定至少一个待预测时间点的电力销售金额；其中，所述预测模型包括特征构建层和预测层；所述特征构建层基于所述多个历史时间点对应的用电历史信息，获取所述多个历史时间点对应的电力销售特征；所述预测层基于所述电力销售特征，确定所述至少一个待预测时间点的电力销售金额。
5.本说明书实施例的另一方面提供一种电力销售金额预测系统，所述系统包括：获取模块，用于获取多个历史时间点对应的用电历史信息，所述用电历史信息包括用电特征、缴费特征和历史天气特征；确定模块，用于将所述多个历史时间点对应的用电历史信息输入预测模型，确定至少一个待预测时间点的电力销售金额；其中，所述预测模型包括特征构建层和预测层；所述特征构建层基于所述多个历史时间点对应的用电历史信息，获取所述多个历史时间点对应的电力销售特征；所述预测层基于所述电力销售特征，确定所述至少一个待预测时间点的电力销售金额。
6.本说明书实施例的另一个方面提供一种电力销售金额预测装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现如上述实施例中任一项所述电力销售金额预测方法。
7.本说明书实施例的另一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如上述实施例中任一项所述电力销售金额预测方法。
附图说明
8.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其
中：
9.图1是根据本说明书一些实施例所示的电力销售金额预测系统100的应用场景示意图；
10.图2是根据本说明书一些实施例所示的电力销售金额预测方法的示例性流程图；
11.图3是根据本说明书一些实施例所示的预测模型的示意图；
12.图4是根据本说明书一些实施例所示的调整电力销售金额的示例性流程图；
13.图5是是根据本说明书一些实施例所示的调整电力销售金额的示意图。
具体实施方式
14.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
15.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
16.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
17.本技术中使用了流程图用来说明根据本技术的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
18.用电单位是购买电力的个体和/或组织。例如，居民、商铺、工厂等。网电销售平台是销售电力和管理销售数据的平台。用电单位可以通过网电销售平台购买电力和查询用电数据。网电销售平台可以统计用电单位的用电数据和销售数据，从而对电力负荷预先进行调度。
19.电力销售金额是电网销售平台在统计周期内从用电单位收取的用电总金额。网点销售平台可以通过预测电力销售金额制作供电计划和经济计划。
20.图1是根据本说明书一些实施例所示的电力销售金额预测系统100的应用场景示意图。
21.电力销售金额预测系统100可以用于预测网电销售平台在至少一个待预测时间点的电力销售金额。如图1所示，电力销售金额预测系统100可以包括服务器110、网络120、网电销售平台130、用户端140和电表150。
22.服务器110可以处理来自电力销售金额预测系统100的至少一个组件的数据和/或信息。服务器110可以与网电销售平台130进行通信以提供服务的各种功能。例如，服务器110可以从网电销售平台130获取数据(如用电历史信息)，通过网络120将数据(如预测的电
力销售金额)输出至网电销售平台。服务器110可以用于处理来自电力金额预测系统100的至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。例如，服务器可以处理用电历史信息，获取预测电力销售金额。在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是分布式系统)。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
23.网络120可以连接系统的各组成部分和/或连接系统与外部部分。网络120使得系统各组成部分之间以及与系统与外部部分之间可以进行通讯，促进数据和/或信息的交换。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。例如，网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(lan)、广域网络(wan)、无线局域网络(wlan)、城域网(man)、公共交换电话网络(pstn)、蓝牙网络、紫蜂网络(zigbee)、近场通信(nfc)、设备内总线、设备内线路、线缆连接等或其任意组合。在一些实施例中，系统各部分之间的网络连接可以采用上述一种方式，也可以采取多种方式。在一些实施例中，网络120可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或网络交换点120-1、120-2、
…
，通过这些网络接入点，系统100的一个或多个组件可连接到网络120以交换数据和/或信息。
24.网电销售平台130可以用于储存和管理网电销售数据。在一些实施例中，网电销售平台130可以通过网络120从电表150获取用电单位的用电量。在一些实施例中，网电销售平台130还可以基于用电单位的用电量计算用电单位的应缴金额，并通过网络120发送到客户端140。在一些实施例中，网电销售平台130还可以存储用电历史信息，例如，用电量信息、缴费金额信息或缴费时间点对应的天气信息等。网电销售平台130可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，网电销售平台130可包括随机存取存储器(ram)、只读存储器(rom)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性地，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，网电销售平台130可在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，网电销售平台130可以集成或包括在系统100的一个或多个其他组件(例如，服务器110、用户端140或其他可能的组件)中。
25.用户端140指用电单位所使用的一个或多个终端设备或软件，所述用电单位可以包括电费缴纳个人(如，需缴纳电费的个人)和电费收纳组织(如，需缴纳电费的公司)。在一些实施例中，用电单位可以使用用户端140通过网络120与服务器110和/或网电销售平台130通信。例如，用电单位可以使用用户端140与网电销售平台130通信，支付用电金额。在一些实施例中，用户端140可以是移动设备140-1、平板计算机140-2、膝上型计算机140-3、台式计算机140-4、其他具有输入和/或输出功能的设备等或其任意组合。上述示例仅用于说明所述用户端140设备范围的广泛性而非对其范围的限制。
26.电表150是用于计量用电单位用电量的设备。在一些实施例中，电表150可以通过网络120将用电单位的用电量发送给网电销售平台130。在一些实施例中，电表150还可以从
网电销售平台150接收断电和通电的指令。
27.在一些实施例中，电力销售金额预测系统100可以在服务器110上实现，其包括获取模块和确定模块。
28.获取模块可以用于将所述多个历史时间点对应的用电历史信息输入预测模型，确定至少一个待预测时间点的电力销售金额。所述预测模型包括特征构建层和预测层。在一些实施例中，所述特征构建层基于所述多个历史时间点对应的所述用电历史信息，获取所述多个历史时间点对应的电力销售特征。在一些实施例中，特征构建层的输入还包括用电单位特征。所述用电单位特征基于用电单位特征模型获取。在一些实施例中，所述预测层基于所述电力销售特征，确定至少一个待预测时间点的电力销售金额获取多个历史时间点对应的用电历史信息。关于预测模型的更多描述可以参见步骤220，在此不再赘述。
29.在一些实施例中，电力销售金额预测系统100还可以包括第一模块、第二模块和第三模块。
30.第一模块可以用于获取所述至少一个待预测时间点对应的至少一条天气预测信息。在一些实施例中，所述天气预测信息可以包括气温信息、降水信息和风力信息中的至少一种。关于天气预测信息的更多描述详见步骤410，在此不再赘述。
31.第二模块可以用于基于所述至少一条天气预测信息，确定至少一个调整系数。在一些实施例中，所述调整系数基于气温偏离率、降水偏离率和风力偏离率确定。其中，所述气温偏离率基于所述气温信息和基准气温确定，所述降水偏离率基于所述降水信息和基准降水量确定，所述风力偏离率基于所述风力信息和基准风力确定。关于确定调整系数的更多描述详见步骤420，在此不再赘述。
32.第三模块可以用于基于所述至少一个调整系数，调整所述至少一个待预测时间点的电力销售金额。关于调整所述至少一个待预测时间点的电力销售金额的更多描述详见步骤430，在此不再赘述。
33.应当理解，所述系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
34.需要注意的是，以上对于服务履约信息展示系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，服务履约信息确定模块、状态信息确定模块可以合并为一个模块。诸如此类的变形，均在本说明书的范围之内。
35.图2是根据本说明书一些实施例所示的电力销售金额预测方法的示例性流程图。
36.如图2所示，电力销售金额预测方法200可以包括：
37.步骤210，获取多个历史时间点对应的用电历史信息。
38.具体地，该步骤210可以由获取模块执行。
39.时间点是时间上的某个瞬间。历史时间点是统计电力销售金额的时间点。所述历史时间点是当前时间点之前(包括当前时间点)的时间点。例如，当前时间点为2021年2月28日7点整，多个历史时间点可以包括2021年2月28日7点整和2021年2月27日7点整。
40.在一些实施例中，每个历史时间点之间可以间隔相同的统计周期。例如，以1天为一个统计周期，则每间隔1天为一个历史时间点。又例如，以1个月为一个统计周期，则每间隔1个自然月为一个历史时间点。
41.可以理解，每个历史时间点可以对应该历史时间点到上一个历史时间点之间的统计周期。
42.在一些实施例中，每个统计周期的时间间隔相同。例如，以1天为一个统计周期，历史时间点2021年2月27日7点整可以对应2021年2月26日7点整到2021年2月27日7点整之间的统计周期，历史时间点2021年2月28日7点整可以对应2021年2月27日7点整到2021年2月28日7点整之间的统计周期，每个统计周期的时间间隔均为24个小时。
43.在一些实施例中，每个统计周期的时间间隔也可以不同。例如，以1个自然月为一个统计周期，历史时间点2021年2月27日7点整可以对应2021年1月27日7点整到2021年2月27日7点整之间的统计周期，历史时间点2021年3月27日7点整可以对应2021年2月27日7点整到2021年3月27日7点整之间的统计周期，对应统计周期的时间间隔分别为31天和28天。
44.在一些实施例中，每个统计周期的时间间隔可以是预设默认参数，也可以基于用户输入的参数确定。
45.在一些实施例中，每个统计周期的时间间隔还可以基于待预测时间点和当前时间点的时间间隔自动确定。关于待预测时间点的详细描述可以参见步骤220的详细描述，在此不再赘述。
46.示例性地，如果待预测时间点和当前时间点的时间间隔小于30天，则以1天为一个统计周期；如果待预测时间点和当前时间点的时间间隔大于30天，小于3个月，则以1个自然月为一个统计周期；待预测时间点和当前时间点的时间间隔大于3个月，则以1个季度为一个统计周期。
47.例如，当前时间点为2021年2月28日7点整，待预测时间点为2021年3月1日7点整，则以1天为1个统计周期。又例如，当前时间点为2021年2月28日7点整，待预测时间点为2021年3月29日7点整，则以1个月为1个统计周期。
48.本说明书的一些实施例基于待预测时间点和当前时间点的时间间隔，确定多个历史时间点对应的多个统计周期的时间间隔，可以获取和待预测时间点相匹配的时间密度的统计数据，从而保证可以在不同时间跨度范围均可以提高预测电力销售金额的准确性。
49.在一些实施例中，多个历史时间点可以基于历史时间点个数n和当前时间点确定。具体地，多个历史时间点可以包括当前时间点及其之前的n-1个历史时间点。
50.继续沿用上述示例，历史时间点个数为5，当前时间点为2021年2月28日7点整，则多个历史时间点可以包括2021年2月28日7点整、2021年2月27日7点整、2021年2月26日7点整、2021年2月25日7点整和2021年2月24日7点整，分别对应2021年2月27日7点整到2021年2
月28日7点整之间的统计周期、2021年2月26日7点整到2021年2月27日7点整之间的统计周期、
…
和2021年2月23日7点整到2021年2月24日7点整之间的统计周期。
51.在一些实施例中，历史时间点个数可以是预设默认参数，也可以基于用户输入的参数确定。
52.多个历史时间点对应的用电历史信息是所述多个历史时间点对应的多个统计周期内的用电历史信息。
53.用电历史信息是可以反映统计周期内所有用电单位的用电信息和缴费信息。在一些实施例中，用电历史信息可以包括用电特征、缴费特征和历史天气特征。
54.用电特征是表征历史时间点对应的统计周期内所有用电单位的用电量统计信息的特征。
55.用电单位可以通过网电销售平台支付电费。在一些实施例中，用电单位的类型可以包括居民用电单位、工业用电单位、商业用电单位和行政用电单位。
56.在一些实施例中，用电特征可以基于不同类型用电单位的用电总量和用电总金额确定。具体地，获取模块可以通过网络从网电销售平台获取不同类型用电单位的用电总量和用电总金额，并统计获取用电特征。
57.例如，历史时间点2021年2月28日7点整对应的2021年2月27日7点整到2021年2月28日7点整之间的统计周期内，居民用电单位、工业用电单位、商业用电单位和行政用电单位的用电总量分别为30万千瓦时、40万千瓦时、20万千瓦时和10万千瓦时，用电总金额分别为20万元、80万元、40万元和20万元，则历史时间点2021年2月28日7点整对应的用电特征可以是类似地，获取模块可以进一步获取历史时间点2021年2月27日7点整、2021年2月26日7点整、2021年2月25日7点整和2021年2月24日7点整对应的用电特征x2、x3、x4和x5。
58.缴费特征是表征历史时间点对应的统计周期内所有用电单位的缴费统计信息的特征。在一些实施例中，多个历史时间对应的缴费特征可以基于所有用电单位在多个历史时间点对应的统计周期内的缴费迟延统计信息、缴费方式统计信息和缴费频率统计信息确定。
59.所述缴费迟延统计信息可以表征历史时间点对应的统计周期内所有用电单位缴费的迟延程度。在一些实施例中，每个历史时间点对应的缴费迟延统计信息可以通过统计所有用电单位在对应的统计周期内的延迟缴费时间获取。具体地，获取模块可以先通过网络从网电销售平台获取每个用电单位在每个统计周期内的通知缴费时间和对应的实际缴费时间的时间差。例如，历史时间点2021年2月28日7点整对应的2021年2月27日7点整到2021年2月28日7点整之间的统计周期内，用电单位a的通知缴费时间为2021年2月27日8点整，其对应的实际缴费时间为2021年2月27日18点整，则用电单位a在历史时间点2021年2月28日7点整对应的统计周期内的缴费迟延时间为10个小时。类似地，获取模块可以获取用电单位b、用电单位c、
…
在历史时间点2021年2月28日7点整对应的统计周期内的缴费迟延时间分别为8个小时、3个小时、
…
。其中，如果用电单位在统计周期内没有收到缴费通知，则不纳入统计。进一步地，获取模块可以将用电单位的缴费迟延时间分为多个时间段，并统计每
个时段对应的用电单位数量。例如，在历史时间点2021年2月28日7点整对应的统计周期内，获取模块统计缴费迟延时间12小时内的用电单位数量为100，12-24小时的用电单位数量为200，24-48小时的用电单位数量为150，48小时以上的用电单位数量为50，则可以用向量a1＝(100，200，150，50)表征该历史时间点对应的缴费迟延统计信息。
60.缴费方式统计信息可以表征历史时间点对应的统计周期内所有用电单位缴费的方式。在一些实施例中，基于应缴金额和实缴金额的关系，缴费方式可以包括预存、欠费和缴清，分别对应应缴金额大于实缴金额、应缴金额小于实缴金额和应缴金额等于实缴金额。获取模块可以通过网络从网点销售平台获取历史时间点对应的统计周期内所有用电单位缴费的方式，并统计多个历史时间点对应的多个统计周期内每种缴费方式对应的用电单位数量。例如，在历史时间点2021年2月28日7点整对应的统计周期内，预存的用电单位数量为200，欠费的用电单位数量为100，缴清的用电单位数量为200，则可以用向量b1＝(200，100，200)表征该历史时间点对应的缴费方式统计信息。
61.缴费频率统计信息可以表征历史时间点对应的统计周期内所有用电单位缴费的频率。具体地，获取模块可以从网电销售平台获取历史时间点对应的统计周期内所有用电单位的缴费频率，然后将用电单位在统计周期内的缴费次数分为多个范围，并统计每个范围对应的用电单位数量。例如，在历史时间点2021年2月28日7点整对应的统计周期内，获取模块统计缴费0次的用电单位数量为120，缴费1次的用电单位数量为280，缴费1次以上的用电单位数量为200，则可以用向量c1＝(120，280，200)表征该历史时间点对应的缴费频率统计信息。
62.在一些实施例中，获取模块可以通过处理每个历史时间点对应的缴费迟延统计信息、缴费方式统计信息和缴费频率统计信息，获取每个历史时间点对应的缴费特征。所述处理方式可以包括但不限于拼接、降维和线性变换等。
63.例如，获取模块可以直接拼接历史时间点2021年2月28日7点整对应的缴费迟延统计信息a1、缴费方式统计信息b1和缴费频率统计信息c1，获取该历史时间点对应的缴费特征y1＝(100，200，150，50，200，100，200，120，280，200)。类似地，获取模块可以进一步获取历史时间点2021年2月27日7点整、2021年2月26日7点整、2021年2月25日7点整和2021年2月24日7点整对应的缴费特征y2、y3、y4和y5。
64.历史天气特征是表征历史时间点对应的历史天气信息的特征。在一些实施例中，历史天气信息可以包括但不限于历史温度信息、历史风力信息和历史降水信息中的至少一种。
65.历史温度信息是表征历史时间点对应的统计周期内温度的信息。例如，24小时内最高温度36℃。又例如，24小时内平均温度28℃。
66.历史风力信息是表征历史时间点对应的统计周期内风力的信息。例如，24小时内平均风力等级2级。又例如，24小时内平均风速11km/h。
67.历史降水信息是表征历史时间点对应的统计周期内平均降水量的信息。例如，8小时降水量50mm。又例如，24小时降水量70mm。
68.在一些实施例中，获取模块可以从网点销售平台、气象统计平台或其他存储设备中获取历史时间点对应的统计周期内的历史天气信息。
69.进一步地，确定模块可以基于至少一种历史天气信息确定历史天气特征。例如，在
水力发电地区，确定模块可以基于历史温度信息和历史降水信息确定历史时间点对应的历史天气特征。又例如，在水力风力混合发电地区，确定模块可以基于历史温度信息、历史风力信息和历史降水信息确定历史时间点对应的历史天气特征。
70.在一些实施例中，确定模块还可以基于历史光照强度、历史地热温度、历史潮汐水位等天气信息确定历史天气特征，在此不再赘述。
71.示例性地，历史时间点2021年2月27日7点整对应的统计周期的平均温度为30℃，风力为3级，24小时降水量为50mm，则该历史时间点对应的历史天气特征可以是z1＝(30，3，50)。类似地，获取模块可以进一步获取历史时间点2021年2月27日7点整、2021年2月26日7点整、2021年2月25日7点整和2021年2月24日7点整对应的历史天气特征z2、z3、z4和z5。
72.步骤220，将所述多个历史时间点对应的用电历史信息输入预测模型，确定至少一个待预测时间点的电力销售金额。
73.具体地，该步骤220可以由确定模块执行。
74.图3是根据本说明书一些实施例所示的预测模型的示意图。如图3所示，预测模型包括特征构建层212和预测层221。
75.特征构建层212可以基于所述多个历史时间点对应的所述用电历史信息，获取所述多个历史时间点对应的电力销售特征。电力销售特征是表征电力销售的时间规律的向量。
76.如图3所示，所述特征构建层212输入的用电历史信息211包括多个历史时间点的用电特征211-1、缴费特征211-2和历史天气特征211-3。例如，特征构建层的输入可以包括前述5个历史时间点对应的用电特征：x1、x2、
…
x5；缴费特征y1、y2、
…
y5；和历史天气特征：z1、z2、
…
z5，输出可以包括电力销售特征213。
77.在一些实施例中，特征构建层212的输入还包括用电单位特征211-4。
78.用电单位特征是表征用电单位统计信息的特征。在一些实施例中，用电单位统计信息可以基于单位类型统计信息、单位地域统计信息和单位发电类型统计信息获取。
79.如前所述，用电单位的类型可以包括居民用电单位、工业用电单位、商业用电单位和行政用电单位。单位类型统计信息可以包括每种单位类型的用电单位数量。在一些实施例中，可以用向量表征单位类型统计信息。例如，居民用电单位、工业用电单位、商业用电单位和行政用电单位的数量分别为200、100、100和100，则可以用向量(200，100，100，100)表征单位类型统计信息。
80.单位地域即用电单位所在的地域。单位地域可以基于用电单位的用电习惯分为夏天用电量高的炎热地区、冬天用电量高的寒冷地区和用电量较为平均的常温地区。单位地域统计信息可以包括每种单位地域的用电单位数量。在一些实施例中，可以用向量表征单位地域统计信息。例如，炎热地区、寒冷地区和常温地区的用电单位数量分别为200、200和100，则可以用向量(200，200，100)表征单位地域统计信息。
81.单位发电类型即用电单位所在地域的发电方式。所述发电方式可以包括风力发电、水力发电、太阳能发电和潮汐发电等。单位发电类型统计信息可以包括每种发电方式对应的用电单位数量。在一些实施例中，可以用向量表征单位发电类型统计信息。例如，风力发电、水力发电和太阳能发电的地域的用电单位数量分别为100、300和100，则可以用向量(100，300，100)表征单位发电类型统计信息。
82.在一些实施例中，用电单位特征可以基于用电单位特征模型生成。
83.具体地，用电单位特征模型的输入可以包括单位类型统计信息、单位地域统计信息和单位发电类型统计信息，输出即用电单位特征。例如，输入单位类型统计信息：向量(200，100，100，100)、单位地域统计信息：(200，200，100)和单位发电类型统计信息：向量(100，300，100)，输出用电单位特征z。
84.在一些实施例中，用电单位特征模型可以包括但不限于卷积神经网络(convolutional neural network，cnn)模型和深度神经网络(deep neural network，dnn)模型等。
85.在一些实施例中，用电单位特征模型可以和预测模型联合训练获取。关于用电单位特征模型训练的详细描述可以参见下文，在此不再赘述。
86.在一些实施例中，所述特征构建层212的输入还包括权重系数向量211-5。权重系数向量是表征天气特征对电力销售金额的影响程度。
87.在一些实施例中，权重系数向量可以基于气温偏离率的权重、降水偏离率的权重和风力偏离率的权重确定。气温偏离率的权重、降水偏离率的权重和风力偏离率的权重可以分别表征气温对电力销售金额的影响程度、降水量对电力销售金额的影响程度和风力对电力销售金额的影响程度。
88.关于气温偏离率的权重、降水偏离率的权重和风力偏离率的权重的详细描述可以参见图4及其相关描述，在此不再赘述。
89.示例性地，气温偏离率的权重、降水偏离率的权重和风力偏离率的权重分别为0.3、0.5和0.2，则权重系数向量α＝(0.3，0.5，0.2)。
90.具体地，特征构建层可以对输入的用电特征、缴费特征、历史天气特征、用电单位特征和权重系数向量进行特征构建，输出电力销售特征。在一些实施例中，特征构建层可以是机器学习模型。优选地，特征构建层可以是能够处理时间序列数据的机器学习模型。在一些实施例中，特征构建层可以包括但不限于循环神经网络(recurrent neural network，rnn)模型、长短期记忆网络(long short-term memory networks，lstm)模型和门控循环单元(gated recurrent unit，gru)模型等。示例性地，特征构建层可以基于用电特征x1、x2、
…
x5；缴费特征y1、y2、
…
y5；历史天气特征：z1、z2、
…
z5，用电单位特征z和权重系数向量α，输出电力销售特征d。
91.本说明书的一些实施例基于用电特征构建电力销售特征，使得电力销售特征可以反映用电单位的用电量和用电金额规律。此外，用电单位产生用电金额的时间和网电销售平台从用电单位实际收缴用电金额的时间是不同步的，本说明书的一些实施例基于缴费特征构建电力销售特征，考虑了不同用电单位不同的缴费方式和缴费习惯，避免了用电单位提前缴费、延迟缴费、分期支付等对预测电力销售金额的影响。
92.本说明书的一些实施例还考虑了天气信息对电力销售金额的影响(例如，极寒温度和/或极热温度的用电量比普通温度的用电量高；又例如，降雨量高的丰水期比降雨量低的枯水期的用电金额低)，从而基于历史天气特征构建电力销售特征，减少不同历史天气信息对历史电力销售特征的干扰，提高预测电力销售金额的准确性。
93.预测层221可以确定至少一个待预测时间点的电力销售金额。
94.待预测时间点是需要预测电力销售金额的时间点。所述待预测时间点是当前时间
点之后的时间点。
95.在一些实施例中，待预测时间点可以和当前时间点间隔一个或多个完整的统计周期。例如，当前时间点为2021年2月28日7点整，统计周期为1个月，至少一个待预测时间点可以包括2021年4月28日7点整。
96.在一些实施例中，待预测时间点也可以和当前时间点间隔一个或多个不完整的统计周期。例如，当前时间点为2021年2月28日7点整，统计周期为1天，至少一个待预测时间点可以包括2021年3月3日8点整。
97.如图3所示，所述预测层221的输入包括多个历史时间点对应的电力销售特征213和至少一个待预测时间点222，输出为至少一个待预测时间点的电力销售金额223。具体地，对于每一个待预测时间点，预测层可以将输入的电力销售特征和待预测时间点映射成数值或概率，再基于数值或概率得到对应的电力销售金额。
98.例如，确定模块可以基于待预测时间点2021年4月28日7点整对应的电力销售特征d，输出对应的电力销售金额200万元。
99.在一些实施例中，所述预测层可以包括但不限于可以是但不限于卷积神经网络(convolutional neural network，cnn)模型、elmo(embedding from language models)模型、gpt(generative pre-traxining)模型和bert(bidirectional encoder representation from transformers)模型等。
100.在一些实施例中，用电单位特征模型可以和预测模型联合训练获取。训练模块可以基于大量带有标识的训练样本训练初始用电单位特征模型和初始预测模型。具体的，将带有标识的训练样本输入初始用电单位特征模型，通过训练更新初始用电单位特征模型和初始预测模型的参数，直到训练的中间用电单位特征模型和中间预测模型满足预设条件，获取训练好的用电单位特征模型和预测模型，其中，预设条件可以是损失函数小于阈值、收敛，或训练周期达到阈值。
101.训练样本包括样本用电单位历史信息和多个样本历史时间点的用电历史信息，训练样本的标识为多个样本历史时间点对应的样本时间点对应的实际电力销售金额。其中，样本时间点是多个样本历史时间点之后的时间点。
102.如前所述，天气信息可影响电力销售金额。在一些实施例中，电力销售金额预测系统还可以基于至少一个待预测时间点对应的至少一条天气预测信息调整电力销售金额。
103.图4是根据本说明书一些实施例所示的调整电力销售金额的示例性流程图。
104.如图4所示，调整电力销售金额的方法400可以包括：
105.步骤410，获取所述至少一个待预测时间点对应的至少一条天气预测信息。
106.天气预测信息是表征待预测时间点对应的天气信息。与历史天气信息类似地，天气预测信息可以包括但不限于气温信息、降水信息和风力信息中的至少一种。关于气温信息、降水信息和风力信息的详细描述可以参见历史温度信息、历史风力信息和历史降水信息，在此不再赘述。
107.在一些实施例中，第一模块可以从气象预测平台或其他存储设备中获取待预测时间点对应的天气预测信息。例如，第一模块可以从气象预测平台获取待预测时间点2021年4月28日7点整对应的气温信息、降水信息和风力信息分别为28℃，24小时降水量0mm和风力等级1级。
108.在一些实施例中，天气预测信息还可以包括光照强度、地热温度和潮汐水位等。
109.步骤420，基于所述至少一条天气预测信息，确定至少一个调整系数。
110.调整系数是调整至少一个预测时间点对应的电力销售金额的参数，可以调整天气对预测电力销售金额的影响。
111.在一些实施例中，第二模块可以基于气温偏离率、降水偏离率和风力偏离率确定调整系数。
112.图5是是根据本说明书一些实施例所示的调整电力销售金额的示意图。
113.如图5所示，第二模块可以基于天气预测信息510(包括气温偏离率511、降水偏离率512、风力偏离率513)和其分别对应的气温偏离率的权重、降水偏离率的权重和风力偏离率的权重确定调整系数570。
114.基准气温是不影响电力销售金额的气温参考值。在一些实施例中，基准气温参考值可以是预设默认参数，也可以基于用户输入的参数确定。
115.气温偏离率是衡量待预测时间点对应的气温信息和基准气温之间偏差的参数。在一些实施例中，气温偏离率可以基于待预测时间点对应的气温信息和基准气温信息的偏差比例确定。例如，待预测时间点2021年4月28日7点整对应的气温信息28℃和基准气温信息25℃的气温偏离率是(28-25)/25＝0.12。
116.基准降水量是不影响电力销售金额的降水量参考值。在一些实施例中，基准降水量参考值可以是预设默认参数，也可以基于用户输入的参数确定。
117.降水偏离率是衡量待预测时间点对应的降水信息和基准降水量之间偏差的参数。在一些实施例中，降水偏离率可以基于待预测时间点对应的降水量和基准降水信息的偏差比例确定。
118.例如，待预测时间点2021年4月28日7点整对应的降水信息0mm和基准降水信息50mm的降水偏离率是(0-50)/50＝-1。
119.基准风力是不影响电力销售金额的风力参考值。在一些实施例中，基准风力参考值可以是预设默认参数，也可以基于用户输入的参数确定。
120.风力偏离率是衡量待预测时间点对应的风力信息和基准风力之间偏差的参数。在一些实施例中，风力偏离率可以基于待预测时间点对应的风力信息和基准风力信息的偏差比例确定。
121.例如，待预测时间点2021年4月28日7点整对应的风力信息1级和基准风力信息1级的风力偏离率是(1-1)/1＝0。
122.可以理解，气温偏离率、降水偏离率和风力偏离率越大，则天气预测信息对电力销售金额的影响越大。
123.如前所述，气温偏离率的权重、降水偏离率的权重和风力偏离率的权重可以分别表征气温对电力销售金额的影响程度、降水量对电力销售金额的影响程度和风力对电力销售金额的影响程度。
124.在一些实施例中，第二模块可以基于权重计算模型，确定所述气温偏离率的权重、所述降水偏离率的权重和所述风力偏离率的权重。
125.如图5所示，所述权重计算模型560的输入可以包括用电单位特征550。
126.如前所述，用电单位特征是表征用电单位统计信息的特征，包括单位类型统计信
息、单位地域统计信息和单位发电类型统计信息。关于用电单位特征的详细描述参见步骤220，在此不再赘述。
127.具体地，权重计算模型可以基于输入的单位类型统计信息、单位地域统计信息和单位发电类型统计信息，输出气温偏离率的权重、所述降水偏离率的权重和所述风力偏离率的权重。例如，权重计算模型可以基于输入的向量(200，100，100，100)、(200，200，100)和(100，300，100)，输出气温偏离率的权重w1、降水偏离率的权重w2和风力偏离率的权重w3分别为0.3、0.2和0.5。
128.在一些实施例中，权重计算模型可以包括但不限于支持向量机模型、logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、knn分类模型和神经网络模型。
129.在一些实施例中，第二模块可以基于公式(1)确定所述调整系数：r＝a*w1 b*w2 c*w3(1)其中，r表示所述调整系数，a、b和c分别表示所述气温偏离率、所述降水偏离率和所述风力偏离率，w1、w2和w3分别表示气温偏离率的权重、降水偏离率的权重和风力偏离率的权重。
130.示例性地，基于待预测时间点2021年4月28日7点整对应的气温偏离率0.12、降水偏离率-1和水力偏离率0.5，以及气温偏离率的权重0.3、降水偏离率的权重-1和风力偏离率的权重0.5，可以获取调整系数r＝0.12*0.3 -1*0.2 0*0.5＝0.16。
131.在一些实施例中，调整系数还可以基于天气预测信息，通过调整系数模型获取。具体地，调整系数模型可以将输入的天气预测信息融合成一个向量，再将该向量映射成数值或概率，再基于数值或概率得到对应的调整系数。
132.示例性地，调整系数模型基于输入的待预测时间点2021年4月28日7点整对应的气温信息、降水信息和风力信息分别为28℃，24小时降水量0mm和风力等级1级，可以输出调整系数0.16。
133.在一些实施例中，调整系数模型可以包括但不限于支持向量机模型、logistic回归模型、朴素贝叶斯分类模型、高斯分布贝叶斯分类模型、决策树模型、随机森林模型、knn分类模型和神经网络模型。
134.在一些实施例中，调整系数模型可以基于用电历史信息训练获取。所述用电历史信息包括历史天气特征。
135.在一些实施例中，训练模块可以将多个样本历史时间点对应的历史天气特征作为训练样本。训练样本的标识可以是历史调整系数。在一些实施例中，历史调整系数可以基于样本时间点对应的预测电力销售金额和实际历史电力销售金额确定。其中，样本时间点是多个样本历史时间点之后的时间点。
136.具体的，将带有标识的训练样本输入初始调整系数模型，通过训练更新初始调整系数模型的参数，当训练的模型满足预设条件时，训练结束，获取训练好的调整系数模型。
137.在一些实施例中，调整系数模型还可以和特征构建层、预测层联合训练。联合训练的详细描述可以参见步骤220，在此不再赘述。
138.本技术的一些实施例基于预测天气信息确定调整系数，可以使得调整后的电力销售金额不受天气的影响，从而提高预测准确率。
139.步骤430，基于所述至少一个调整系数，调整所述至少一个待预测时间点的电力销售金额。
140.所述调整可以包括加减乘除等中的至少一种。例如，第三模块可以基于调整系数0.16调整待预测时间点2021年4月28日7点整对应的电力销售金额200万元，获取调整后的电力销售金额为200
×
(1-0.16)＝188万元。
141.本说明书实施例还提供一种计算机可读存储介质。所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机实现前述的电力销售金额预测方法。
142.本说明书实施例还提供一种服务履约信息展示装置，包括存储介质以及处理器，所述存储介质用于存储计算机指令，所述处理器用于执行所述计算机指令中的至少一部分以实现前述的电力销售金额预测方法。
143.本说明书实施例可能带来的有益效果包括但不限于：(1)基于用电特征构建电力销售特征，使得电力销售特征可以反映用电单位的用电量和用电金额的时间规律；同时基于缴费特征构建电力销售特征，考虑了不同用电单位不同的缴费方式和缴费习惯，避免了用电单位提前缴费、延迟缴费、分期支付等对预测电力销售金额的影响，提高了预测的准确性；(2)考虑了天气信息对电力销售金额的影响(例如，极寒温度和/或极热温度的用电量比普通温度的用电量高；又例如，降雨量高的丰水期比降雨量低的枯水期的用电金额低)，一方面基于历史天气特征构建电力销售特征，减少不同历史天气信息对历史电力销售特征的干扰；另一方面基于预测天气信息确定调整系数，使得调整后的电力销售金额不受天气的影响；(3)基于待预测时间点和当前时间点之间的时间跨度，确定每个统计周期的时间间隔，可以避免历史数据的不适用性，从而保证可以在不同时间跨度范围均可以提高预测电力销售金额的准确性。
144.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
145.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
146.此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
147.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或
合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
148.本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran2003、perl、cobol2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
149.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的处理设备或移动设备上安装所描述的系统。
150.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
151.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
152.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
153.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代
配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。