多类型能源需求预测模型训练方法及装置与流程

本发明涉及能源需求，特别是涉及一种多类型能源需求预测模型训练方法及装置。

背景技术：

1、能源需求预测对于能源行业的发展以及能源需求的供给服务而言，具有重要的意义，目前，大多能源需求预测方法都较为简单，且采用的模型的训练较为低效，泛化能力较差，由此导致了最终预测的能源需求数据不够准确。

技术实现思路

1、本发明的目的是：提供一种多类型能源需求预测模型训练、多类型能源需求预测方法、装置、计算机设备及存储介质，可以有效地提高对模型的训练效率，提升模型泛化能力，从而可以使得最终预测的能源需求数据更为准确。

2、为了实现上述目的，第一方面，本发明提供了一种多类型能源需求预测模型训练方法，包括：

3、获取第一能源需求影响数据集及对应的多类型能源需求数据集；

4、利用已训练的自编码器的编码器对所述第一能源需求影响数据集进行特征提取，得到第二能源需求影响数据集；

5、利用所述第二能源需求影响数据集及所述多类型能源需求数据集对待训练的时序预测模型进行训练，得到多类型能源需求预测模型。

6、在本发明较佳的实施方式中，在所述获取第一能源需求影响数据集及对应的多类型能源需求数据集之后，所述利用已训练的自编码器的编码器对所述第一能源需求影响数据集进行特征提取，得到第二能源需求影响数据集之前，所述方法还包括：

7、利用所述第一能源需求影响数据集对待训练的自编码器进行训练，所述自编码器包括编码器和解码器；

8、将所述自编码器中的所述解码器拆解。

9、在本发明较佳的实施方式中，所述利用所述第一能源需求影响数据集对待训练的自编码器进行训练，包括：

10、将所述第一能源需求影响数据集中的数据分别输入待训练的自编码器进行迭代训练；

11、在每次迭代训练中，

12、所述自编码器的编码器将输入数据进行特征提取，得到特征向量；

13、所述自编码器的解码器将所述特征向量进行重构，得到重构数据；

14、利用预定的损失函数对所述自编码器的参数进行更新，所述预定的损失函数根据所述重构数据与所述输入数据的距离定义得到。

15、在本发明较佳的实施方式中，所述利用预定的损失函数对所述自编码器的参数进行更新，包括：

16、利用梯度下降法，向预定的损失函数下降的方向对所述自编码器的参数进行更新。

17、在本发明较佳的实施方式中，所述第一能源需求影响数据集中的数据包括气象数据、时间数据、电力能源数据、电网调度数据、社会经济数据、碳排放数据。

18、第二方面，本发明提供了一种多类型能源需求预测方法，包括：

19、获取待预测能源需求影响数据；

20、利用已训练的自编码器的编码器对所述待预测能源需求影响数据进行特征提取，得到目标能源需求影响数据；

21、将所述目标能源需求影响数据输入至多类型能源需求预测模型，预测得到目标多类型能源需求数据。

22、第三方面，本发明提供了一种多类型能源需求预测模型训练装置，包括：

23、获取模块，用于获取第一能源需求影响数据集及对应的多类型能源需求数据集；

24、特征提取模块，用于利用已训练的自编码器的编码器对所述第一能源需求影响数据集进行特征提取，得到第二能源需求影响数据集；

25、训练模块，用于利用所述第二能源需求影响数据集及所述多类型能源需求数据集对待训练的时序预测模型进行训练，得到多类型能源需求预测模型。

26、第四方面，本发明提供了一种多类型能源需求预测装置，包括：

27、获取模块，用于获取待预测能源需求影响数据；

28、特征提取模块，用于利用已训练的自编码器的编码器对所述待预测能源需求影响数据进行特征提取，得到目标能源需求影响数据；

29、能源需求预测模块，用于将所述目标能源需求影响数据输入至多类型能源需求预测模型，预测得到目标多类型能源需求数据。

30、第五方面，本发明提供了一种计算机设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行上述的多类型能源需求预测模型训练方法，或上述的多类型能源需求预测方法。

31、第六方面，本发明提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的多类型能源需求预测模型训练方法，或上述的多类型能源需求预测方法。

32、本发明实施例多类型能源需求预测模型训练、多类型能源需求预测方法、装置、计算机设备及存储介质，与现有技术相比，其有益效果在于：

33、本发明实施例通过已训练的自编码器的编码器对获取的第一能源需求影响数据集进行特征提取，提取了数据的有效特征，得到第二能源需求影响数据集；进而在利用第二能源需求影响数据集及获取的多类型能源需求数据集对待训练的时序预测模型进行训练，得到多类型能源需求预测模型时，可以有效地提高对多类型能源需求预测模型的训练效率，提升模型泛化能力，从而可以使得最终预测的能源需求数据更为准确，并且在模型训练时采用的是能源需求影响数据及多类型能源需求数据，进而最终可以预测得到多类型能源需求数据，大大提升能源需求预测的效果。

技术特征：

1.一种多类型能源需求预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的多类型能源需求预测模型训练方法，其特征在于，在所述获取第一能源需求影响数据集及对应的多类型能源需求数据集之后，所述利用已训练的自编码器的编码器对所述第一能源需求影响数据集进行特征提取，得到第二能源需求影响数据集之前，所述方法还包括：

3.根据权利要求2所述的多类型能源需求预测模型训练方法，其特征在于，所述利用所述第一能源需求影响数据集对待训练的自编码器进行训练，包括：

4.根据权利要求3所述的多类型能源需求预测模型训练方法，其特征在于，所述利用预定的损失函数对所述自编码器的参数进行更新，包括：

5.根据权利要求1所述的多类型能源需求预测模型训练方法，其特征在于，所述第一能源需求影响数据集中的数据包括气象数据、时间数据、电力能源数据、电网调度数据、社会经济数据、碳排放数据。

6.一种多类型能源需求预测方法，其特征在于，包括：

7.一种多类型能源需求预测模型训练装置，其特征在于，包括：

8.一种多类型能源需求预测装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的多类型能源需求预测模型训练方法，或权利要求6所述的多类型能源需求预测方法。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的多类型能源需求预测模型训练方法，或权利要求6所述的多类型能源需求预测方法。

技术总结
本发明公开了一种多类型能源需求预测模型训练方法及装置，所述方法包括：获取第一能源需求影响数据集及对应的多类型能源需求数据集；利用已训练的自编码器的编码器对所述第一能源需求影响数据集进行特征提取，得到第二能源需求影响数据集；利用所述第二能源需求影响数据集及所述多类型能源需求数据集对待训练的时序预测模型进行训练，得到多类型能源需求预测模型。本发明多类型能源需求预测模型训练方法及装置，可以有效地提高对模型的训练效率，提升模型泛化能力。

技术研发人员：龚贤夫,彭勃,李耀东,左婧,郑嘉鹏,熊雄
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2024/1/12