天然气配气方法、电子设备及计算机可读存储介质与流程

1.本发明属于天然气配气技术领域，尤其涉及一种天然气配气方法、电子设备及计算机可读存储介质。


背景技术：

2.国内能源领域正在经历降低碳含量的行业转型，传统能源企业在转型过程中普遍面临着盈利的压力。因此，燃气企业需要以最优的配气方案进行配气，从而提高企业利润。
3.目前，燃气企业主要采用水力数学模型基于天然气供需的历史经验数据对实际运营进行模拟，从而确定未来时刻最佳的配气方案，然而，由于基于历史经验数据，最后确定的配气方案往往并不能很好的适配未来时刻的实际情况，并不能提高企业利润。


技术实现要素：

4.基于此，针对上述技术问题，提供一种天然气配气方法、电子设备及计算机可读存储介质。
5.为解决上述技术问题，本发明采用如下技术方案：
6.一方面，本发明提供一种天然气配气方法，包括以下步骤：
7.s101、根据ui、sj、vi以及vj分别在前l个计时单位的历史时序数据，分别确定所述ui、sj、vi以及vj各自的时序依赖关系，ui表示天然气公司给第i个用户的天然气销售单价，sj表示第j个气源给天然气公司的天然气销售单价，vi表示第i个用户的用气量，vj表示第j个气源的最大供气量；
8.s102、根据对应的时序依赖关系，分别计算所述ui、sj、vi以及vj在第 l 1个计时单位的预测值；
9.s103、对气源和用户进行排列组合，形成多个候选配气方案；
10.s104、将各候选配气方案对应的预测值代入公式
①
，分别计算各候选配气方案的利润p：
[0011][0012]
其中，l
ij
表示第i个用户距离第j个气源的距离，m表示用户数量，n表示气源数量；
[0013]
s105、将利润p最大的候选配气方案作为最佳配气方案；
[0014]
s106、在第l 1个计时单位，根据所述最佳配气方案进行配气。
[0015]
另一方面，本发明提供一种电子设备，包括存储模块，所述存储模块包括由处理器加载并执行的指令，所述指令在被执行时使所述处理器执行上述的一种天然气配气方法。
[0016]
再一方面，本发明提供一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述的一种天然气配气方法。
[0017]
本发明通过各燃气经营利润因素(ui、sj、vi以及vj)分别在前l个计时单位的历史时序数据确定各利润因素的时序依赖关系，基于时序依赖关系预测各利润因素在未来第l 1个计时单位时的预测值，进而依据预测值确定利润最大的最佳配气方案，与现有技术中仅
依靠历史经验数据确定的配气方案的方式相比，确定的最佳配气方案更加贴近未来时刻的实际情况，提高了企业利润。
附图说明
[0018]
下面结合附图和具体实施方式本发明进行详细说明：
[0019]
图1为本发明的流程图。
具体实施方式
[0020]
如图1所示，本说明书实施例提供一种天然气配气方法，包括以下步骤：
[0021]
s101、根据各燃气经营利润因素(ui、sj、vi以及vj)分别在前l个计时单位的历史时序数据，分别确定各燃气经营利润因素各自的时序依赖关系。
[0022]
其中，ui表示天然气公司给第i个用户的天然气销售单价，sj表示第j个气源给天然气公司的天然气销售单价，vi表示第i个用户的用气量，vj表示第j个气源的最大供气量。
[0023]
计时单位可以为年、月、日，或者根据实际需要进行规定。
[0024]
以第一个用户的用气量(v1)为例，假设l＝6，计时单位选用月，为了便于描述，前6个月假设为自然月1月-6月，那么，v1在前6个月的历史时序数据为：第一个用户在1月的用气量、第一个用户在2月的用气量、第一个用户在3月的用气量
……
第一个用户在6月的用气量，根据v1在这6个月历史时序数据，可以确定v1的时序依赖关系，同理，对于每一个用户的用气量都可以确定一个时序依赖关系，由此，就可以确定ui、sj、vi以及vj各自的时序依赖关系。
[0025]
需要指出的是，上述用户不仅仅是指自然人用户(散户)，也可以是一个单位(机关单位、事业单位、企业单位等等)
[0026]
s102、根据对应的时序依赖关系，分别计算各燃气经营利润因素(ui、sj、vi以及vj)在第l 1个计时单位的预测值。
[0027]
在一种实施方式中，可以先将ui、sj、vi以及vj分别在前l个计时单位的历史时序数据分别输入深度卷积神经网络进行训练，分别确定ui、sj、vi以及vj各自的时序依赖关系，然后，将ui、sj、vi以及vj在第l个计时单位的历史值分别输入深度卷积神经网络，由深度卷积神经网络分别输出ui、sj、vi以及vj在第l 1个计时单位的预测值。
[0028]
沿用上述举例，先将v1在前6个月的历史时序数据输入深度卷积神经网络进行训练，确定v1的时序依赖关系，然后，将v1在6月的历史值(第一个用户在6月的用气量)输入深度卷积神经网络，由深度卷积神经网络输出v1在7月(7月为假设的未来时刻)的预测值，同理，可以通过这样的方式得到ui、sj、vi以及vj在7月的预测值。
[0029]
在本实施例中，深度卷积神经网络包括cnn网络以及lstm网络，训练时，先由cnn网络对输入的历史时序数据进行降维，然后由lstm网络从降维后的历史时序数据中提取用于表征时序依赖关系的时序依赖特征，最后通过目标函数(如softmax函数)对深度卷积神经网络的参数进行优化。
[0030]
上述燃气经营利润因素都是随时间变换而不断变换的时序数据，相邻时序数据之间为非线性关系，作为非线性模型，lstm(long short-term memory，长短期记忆单元)网络非常适合用于处理与时间序列高度相关的问题，因此，我们通过lstm网络可以准确的提取
非线性的时序依赖特征。
[0031]
然而，lstm网络在处理较长序列的数据时，可能会出现计算量较大，耗时较长的问题。还是沿用上述举例，假设每月按30天计算，用户在某个月的用气量包含30天中每天的用气量，表示为一个高维向量(q1,q2,qi,
…
,q
30
)，将v1在6月的历史值输入深度卷积神经网络时，6个高维向量作为一组高维向量进行输入，因此，为了降低计算量，提高深度卷积神经网络训练和预测的效率，先由cnn网络对输入的数据进行降维。
[0032]
当然，也可以将ui、sj、vi以及vj分别在前l个计时单位的历史时序数据分别输入mlp模型、xgb模型或者gbdt模型等机器学习模型进行学习，分别确定ui、sj、vi以及vj各自的时序依赖关系，进而通过学习后的机器学习模型分别计算ui、sj、vi以及vj在第l 1个计时单位的预测值。
[0033]
s103、对气源和用户进行排列组合，形成多个候选配气方案。
[0034]
s104、将各候选配气方案对应的预测值代入公式
①
，分别计算各候选配气方案的利润p：
[0035][0036]
其中，l
ij
表示第i个用户到第j个气源的距离，该距离可以理解为配气路径的长度，m表示用户数量，n表示气源数量。
[0037]
s105、将利润p最大的候选配气方案作为最佳配气方案。
[0038]
假设气源和用户都为2个，通过对气源和用户进行排列组合，可以得到多个候选配气方案：
[0039]
方案1：第1个气源向第1个用户配气，第2个气源向第2个用户配气；
[0040]
方案2：第1个气源向第2个用户配气，第2个气源向第1个用户配气；
[0041]
......
[0042]
方案3：第1个气源向第1个用户和第2个用户配气。
[0043]
通过步骤s102我们可以得到u1、u2、s1、s2、v1、v2、v1和v2的预测值， u1和u2分别表示天然气公司给第1个用户和第2个用户的天然气销售单价， s1和s2分别表示第1个气源和第2个气源给天然气公司的天然气销售单价，v1和v2分别表示第1个用户和第2个用户的用气量，v1和v2分别表示第1个气源和第2个气源的最大供气量。
[0044]
第1个用户和第2个用户分别到第1个气源和第2个气源的距离( l
11
、l
12
、l
21
、l
22
)已知，按照上述各方案将相应的预测值代入公式
①
，计算各候选配气方案的利润p。
[0045]
如对于方案1，假设u1＝8元/立方米，u2＝98元/立方米，s1＝58元/立方米，s2＝68元/立方米，v1＝30立方米，v2＝40立方米，l
11
＝20米，l
22
＝10米，利润p＝(u
1-s1)v1l
11
(u
2-s2)v2l
22
＝(8-5)*30*20 (9-6)*40*10＝3000元。
[0046]
s106、在第l 1个计时单位，根据最佳配气方案进行配气。
[0047]
基于同一发明构思，本说明书实施例还提供一种电子设备，包括存储模块，存储模块包括由处理器加载并执行的指令，指令在被执行时使处理器执行本说明书上述一种天然气配气方法部分中描述的根据本发明各种示例性实施方式的步骤。
[0048]
其中，存储模块可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)和/或高速缓存存储单元，还可以进一步包括只读存储单元 (rom)。
[0049]
基于同一发明构思，本说明书实施例还提供一种计算机可读存储介质，该计算机
可读存储介质存储一个或多个程序，一个或多个程序当被处理器执行时，实现本说明书上述一种天然气配气方法部分中描述的根据本发明各种示例性实施方式的步骤。
[0050]
计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。计算机可读存储介质的更具体示例包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器 (cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0051]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0052]
但是，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。