城市高峰用电的配置方法、装置、计算机设备及存储介质与流程

1.本发明涉及电力技术领域，尤其涉及一种城市高峰用电的配置方法、装置、计算机设备及存储介质。


背景技术：

2.随着我国经济的快速发展，社会对电力资源的需求量不断提升。在电力资源的使用过程，经常会出现一些用电高峰期，其出现会严重影响电力资源的安全使用，也会对用电客户造成一定的影响。
3.目前在高峰用电时，基于电力用户的历史用量预测电力用户的用电量，然后基于预测的用电量为电力用户配置相应的电荷，但是仅用历史用量为电力用电量会存预测不准确的问题，这会造成大量的电力浪费。


技术实现要素：

4.本发明提供一种城市高峰用电的配置方法、装置、计算机设备及存储介质，用于提高高峰用电时的配电准确性及电力的利用率。
5.本发明实施例提供一种城市高峰用电的配置方法，包括：基于城市用电的历史数据确定城市用电的高峰时间周期；通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；根据所述预测用电量为对应的用电用户配置用电电量。
6.本发明实施例提供一种城市高峰用电的配置装置，包括：确定模块，用于基于城市用电的历史数据确定城市用电的高峰时间周期；获取模块，用于通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；所述确定模块，还用于确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；预测模块，用于将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；
配置模块，用于根据所述预测用电量为对应的用电用户配置用电电量。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述城市高峰用电的配置方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述城市高峰用电的配置方法。
9.本发明提供的一种城市高峰用电的配置方法、装置、计算机设备及存储介质，首先基于城市用电的历史数据确定城市用电的高峰时间周期；通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；根据所述预测用电量为对应的用电用户配置用电电量。与现有技术基于电力用户的历史用量预测电力用户的用电量相比，本技术针对不同的用电区域进行自编码器电量预测模型预测得到预测用电量，从而通过本发明提高了高峰用电时的配电准确性及电力的利用率。
附图说明
10.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
11.图1是本发明一实施例中城市高峰用电的配置方法的一流程图；图2是本发明一实施例中城市高峰用电的配置装置的结构框图；图3是本发明一实施例中计算机设备的示意图。
具体实施方式
12.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
13.如图1所示，本发明实施例提供一种城市高峰用电的配置方法，具体包括如下步骤：s101，基于城市用电的历史数据确定城市用电的高峰时间周期。
14.具体的，本实施例可以获取近5年的城市用电的历史数据，然后对历史数据进行分析，获取用电的高峰时间周期。其中，该高峰时间周期可以小时、天、月或是季度为单位的一定长度的时间周期。例如该高峰时间周期为10月1日至10月7日、8月份、下午2点到4点等，本实施例对此不做具体限定。
15.在本发明提供的一个可选实施例中，所述基于城市用电的历史数据确定城市用电
的高峰时间周期，包括：s1011，统计所述城市用电的历史数据中的每天用电量。
16.s1012，根据所述每天用电量计算日平均用电量，并计算日平均用电量与m的乘积得到电量衡量值。
17.其中，m》=1.5。
18.s1013，将所述城市用电的历史数据中的每天用电量超过电量衡量值的对应的时间确定为所述高峰时间周期。
19.在本实施例中，若8月份的每天用电量均超过电量衡量值，则将8月份确定为高峰时间周期；若10月1日至10月7日的每天用电量均超过电量衡量值，则将10月1日至10月7日确定为高峰时间周期。
20.s102，通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值。
21.其中，本实施例中的聚类算法具体可以为kmeans、 dbscan-基于密度的空间聚类算法、谱聚类、ｇｍｍ-高斯混合模型、 meanshift-均值迁移、层次聚类等，本实施例对此不做具体限定。
22.在本实施例中，第一预置数值具体可以根据生产用电均值的m倍确定，第二预置数值可以为公共用电均值的m倍确定，m》=1.5。
23.在本发明提供的一个可选实施例中，所述通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域，包括：对所述高峰时间周期内用户用电量进行第一聚类计算，得到用户用电量超过第一预置数值的第一用电区域；对所述高峰时间周期内用户用电量进行第二聚类计算，得到用户用电量低于第二预置数值的第二用电区域；对所述高峰时间周期内用户用电量进行第三聚类计算，得到用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域。
24.其中，第一聚类计算的半径大于所述第二聚类计算和所述第三聚类计算的半径，所述第二聚类计算的半径大于所述第三聚类计算的半径。具体的，第一聚类计算的半径根据实际产业园中各个产业的相对距离确定，第二聚类计算的半径根据公共用电中各个用电设置的相对距离确定，第三聚类计算的半径根据居民区各个建筑的相对距离确定。
25.s103，确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；在本发明提供的一个可选实施例中，所述确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，包括：确定所述第一用电区域的用电用户的用电属性为生产用电；确定所述第二用电区域的用电用户的用电属性为公共用电；确定所述第三用电区域的用电用户的用电属性为生活用电。
26.s104，将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；
在将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量之前，所述方法还包括：将在所述高峰时间周期内各区域内用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到所述自编码器电量预测模型。
27.将在所述高峰时间周期内第一用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第一用电区域的自编码器电量预测模型；将在所述高峰时间周期内第二用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第二用电区域的自编码器电量预测模型；将在所述高峰时间周期内第三用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第三用电区域的自编码器电量预测模型。
28.s105，根据所述预测用电量为对应的用电用户配置用电电量。
29.在本发明提供的一个实施例汇总，在根据所述预测用电量为对应的用电用户配置用电电量之前，本方法还包括：根据用电用户的用电属性，将用电用户在当前时间之前的n天用电数据输入到对应区域的自编码器电量预测模型中，得到各用电用户的区域预测用电量；计算所述区域预测用电量和所述预测用电量的均值得到更新的预测用电量。相应的，所述根据所述预测用电量为对应的用电用户配置用电电量，包括：根据所述更新的预测用电量为对应的用电用户配置用电电量。
30.本发明实施例提供的一种城市高峰用电的配置方法，首先基于城市用电的历史数据确定城市用电的高峰时间周期；通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；根据所述预测用电量为对应的用电用户配置用电电量。与现有技术基于电力用户的历史用量预测电力用户的用电量相比，本技术针对不同的用电区域进行自编码器电量预测模型预测得到预测用电量，从而通过本发明提高了高峰用电时的配电准确性及电力的利用率。
31.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
32.在一实施例中，提供一种城市高峰用电的配置装置，该城市高峰用电的配置装置与上述实施例中城市高峰用电的配置方法一一对应。如图2所示，该城市高峰用电的配置装置包括：确定模块21、获取模块22、预测模块23、配置模块24。各功能模块详细说明如下：确定模块21，用于基于城市用电的历史数据确定城市用电的高峰时间周期；获取模块22，用于通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电
量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；所述确定模块21，还用于确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；预测模块23，用于将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；配置模块24，用于根据所述预测用电量为对应的用电用户配置用电电量。
33.在本发明提供的一个可选实施例中，确定模块21，具体用于：统计所述城市用电的历史数据中的每天用电量；根据所述每天用电量计算日平均用电量，并计算日平均用电量与m的乘积得到电量衡量值，m》=1.5；将所述城市用电的历史数据中的每天用电量超过电量衡量值的对应的时间确定为所述高峰时间周期。
34.在本发明提供的一个可选实施例中，获取模块22，具体用于：对所述高峰时间周期内用户用电量进行第一聚类计算，得到用户用电量超过第一预置数值的第一用电区域；对所述高峰时间周期内用户用电量进行第二聚类计算，得到用户用电量低于第二预置数值的第二用电区域；对所述高峰时间周期内用户用电量进行第三聚类计算，得到用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；其中，第一聚类计算的半径大于所述第二聚类计算和所述第三聚类计算的半径，所述第二聚类计算的半径大于所述第三聚类计算的半径。
35.在本发明提供的一个可选实施例中，确定模块21，具体用于：确定所述第一用电区域的用电用户的用电属性为生产用电；确定所述第二用电区域的用电用户的用电属性为公共用电；确定所述第三用电区域的用电用户的用电属性为生活用电。
36.在本发明提供的一个可选实施例中，所述装置还包括：训练模块25：训练模块25，用于将在所述高峰时间周期内各区域内用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到所述自编码器电量预测模型。
37.在本发明提供的一个可选实施例中，训练模块25，还用于：将在所述高峰时间周期内第一用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第一用电区域的自编码器电量预测模型；将在所述高峰时间周期内第二用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第二用电区域的自编码器电量预测模型；将在所述高峰时间周期内第三用电区域对应的生产用户的连续n天的用电数据作为样本数据，第n 1天的用电数据作为样本标签进行训练，得到第三用电区域的自编码器电
量预测模型。
38.在本发明提供的一个可选实施例中，预测模块23，具体用于根据用电用户的用电属性，将用电用户在当前时间之前的n天用电数据输入到对应区域的自编码器电量预测模型中，得到各用电用户的区域预测用电量；计算所述区域预测用电量和所述预测用电量的均值得到更新的预测用电量；配置模块24，用于根据所述更新的预测用电量为对应的用电用户配置用电电量。
39.关于城市高峰用电的配置装置的具体限定可以参见上文中对于城市高峰用电的配置方法的限定，在此不再赘述。上述城市高峰用电的配置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。
40.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服务器，其内部结构图可以如图3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、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种城市高峰用电的配置方法。
41.在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：基于城市用电的历史数据确定城市用电的高峰时间周期；通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；根据所述预测用电量为对应的用电用户配置用电电量。
42.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：基于城市用电的历史数据确定城市用电的高峰时间周期；通过聚类算法，获取所述高峰时间周期内用户用电量超过第一预置数值的第一用电区域、用户用电量低于第二预置数值的第二用电区域，以及用户用电量介于所述第一预置数值和所述第二预置数值之间的第三用电区域；所述第一预置数值大于所述第二预置数值；确定所述第一用电区域、所述第二用电区域和所述第三用电区域内的用电用户的用电属性，所述用电属性为生活用电、生产用电或公共用电；
将用电用户的用电属性对应的优先级及在当前时间之前的n天用电数据输入到自编码器电量预测模型中，得到各用电用户的预测用电量；根据所述预测用电量为对应的用电用户配置用电电量。
43.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/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
44.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
45.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。