用电差异分析方法、装置、电子设备及存储介质与流程

本发明涉及电力，尤其涉及一种用电差异分析方法、装置、电子设备及存储介质。

背景技术：

1、由于各个用户的用电需求在逐渐发生变化，现有的供电服务已经不能完全满足用户的用电需求。因此，准确地预测各个用户的用电需求，并基于用户的用电需求提供差异化的服务是非常重要的。

2、但是现有的方法不能准确的对用户的用电量进行预测，容易过早收敛，造成较大的预测误差，从而难以满足用户的用电需求，因此，如何更准确的预测用电数据，对用户进行差异化分析，并为用户提供差异化服务是一个亟待解决的问题。

技术实现思路

1、本发明实施例提供了一种用电差异分析方法、装置、电子设备及存储介质，以提高对于用户用电差异分析的准确性。

2、第一方面，本发明实施例提供了一种用电差异分析方法，包括：

3、获取目标电力用户的用户数据；

4、根据用户数据和预设的预测模型进行预测，得到目标电力用户的用电需求；预设的预测模型是对预设神经网络模型中加入扰动，采用遗传算法训练得到的；

5、基于目标电力用户的用电需求，确定目标电力用户匹配的差异化用电方案。

6、在一种可能的实现方式中，预设的预测模型的获取方式为：

7、获取目标电力用户的历史用户数据；

8、根据历史用户数据对预设的神经网络模型进行训练，得到预设的预测模型。

9、在一种可能的实现方式中，根据历史用户数据对预设的神经网络模型进行训练，得到预设的预测模型，包括：

10、步骤一，设置对预设的神经网络模型进行训练的相关参数，相关参数包括群体大小、迭代次数、最大迭代次数、预设适应度值、退温速率、各个权值的取值范围以及各个阈值的取值范围；

11、步骤二，在各个权值的取值范围和各个阈值的取值范围内，根据种群大小，随机生成对应数量的权值和阈值的组合，根据随机生成的各个权值和阈值的组合进行编码，得到对应数量的染色体，染色体构成染色体群体；

12、步骤三，根据染色体群体中各条染色体对应的权值和阈值，分别计算各条染色体的第一适应度值；

13、步骤四，根据各条染色体的第一适应度值对各条染色体进行遗传操作，得到遗传染色体群体；

14、步骤五，对遗传染色体群体中的各条染色体进行模拟退火操作后，分别计算各条染色体的第二适应度值，并将当前迭代次数加1；

15、步骤六，判断当前迭代次数是否达到最大迭代次数，或者最大的第二适应度值是否大于或等于预设适应度值；

16、步骤七，若当前迭代次数未达到最大迭代次数，且最大的第二适应度值小于预设适应度值，则根据退温速率进行退温，将每条染色体的第二适应度值确定为该染色体的新的第一适应度值，并跳转至步骤四；

17、步骤八，若当前迭代次数达到最大迭代次数，或者最大的第二适应度值大于或等于预设适应度值，则停止迭代，将第二适应度值最大的染色体对应的权值和阈值分别确定为最优权值和最优阈值，得到预设的预测模型。

18、在一种可能的实现方式中，相关参数还包括预设变异率；

19、根据各条染色体的第一适应度值对各条染色体进行遗传操作，得到遗传染色体群体，包括：

20、根据各条染色体对应的第一适应度值分别确定各条染色体出现在子代中的概率，确定符合条件的概率对应的染色体为第一目标染色体；

21、在第一目标染色体中随机确定两条染色体，并进行交叉处理，得到新染色体；

22、将新染色体和第一目标染色体中除了进行交叉处理的两条染色体以外的染色体作为第一染色体群体；

23、根据第一染色体群体中每一条染色体的每一个点位信息，生成一个第一随机数；第一随机数位于对应的点位信息的取值范围内；

24、根据预设变异率和每一第一随机数依次对对应的染色体的对应点位进行变异处理，得到遗传染色体群体。

25、在一种可能的实现方式中，在第一目标染色体中随机确定两条染色体，并进行交叉处理，得到新染色体，包括：

26、在第一目标染色体中随机确定两条染色体以及每条染色体上的一个点位，并将这两个点位对应的数值进行交换，得到新染色体；

27、根据预设变异率和每一第一随机数依次对对应的染色体的对应点位进行变异处理，包括：

28、对第一染色体群体中每一条染色体的每一个点位生成一个第二随机数；若第二随机数小于或等于预设变异率，则将第一染色体群体中对应的染色体的对应的点位的数值替换为对应的第一随机数；若第二随机数大于预设变异率，则不对第一染色体群体中对应的染色体的对应的点位的数值进行替换。

29、在一种可能的实现方式中，对遗传染色体群体中的各条染色体进行模拟退火操作后，分别计算各条染色体的第二适应度值，包括：

30、根据遗传染色体群体中各条染色体对应的权值和阈值，分别计算各条染色体的第三适应度值；

31、对各条染色体进行随机扰动，得到染色体扰动群体；

32、计算染色体扰动群体中各条染色体的第四适应度值；

33、根据第三适应度值和第四适应度值，对染色体扰动群体中各条染色体进行更新，并将更新后的染色体作为新的染色体扰动群体；

34、分别计算新的染色体扰动群体中各条染色体的第二适应度值。

35、在一种可能的实现方式中，染色体的编码中依次包括隐含层与输入层连接权值的编码、输出层与隐含层连接权值的编码、隐含层阈值的编码和输出层阈值的编码；

36、染色体的编码长度为s＝r×s1+s1×s2+s1+s2，其中，s为所述染色体的编码长度，r为输入层神经元的个数，s1为隐含层神经元的个数，s2为输出层神经元的个数。

37、第二方面，本发明实施例提供了一种用电差异化分析装置，包括：

38、获取模块，用于获取目标电力用户的用户数据；

39、预测模块，用于根据用户数据和预设的预测模型进行预测，得到目标电力用户的用电需求；预设的预测模型是对预设神经网络模型中加入扰动，采用遗传算法训练得到的；

40、确定模块，用于基于目标电力用户的用电需求，确定目标电力用户匹配的差异化用电方案。

41、第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器中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如上第一方面或第一方面的任一种可能的实现方式的方法的步骤。

42、第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式的方法的步骤。

43、本发明实施例提供一种用电差异分析方法，通过获取目标电力用户的用户数据，以及根据该用户数据和预设的预测模型进行预测，能够准确预测出目标电力用户的用电需求；预设的预测模型是对预设神经网络模型中加入扰动，采用遗传算法训练得到的，对预设神经网络模型中加入扰动，能够得到避免神经网络模型过早收敛，提高对用电需求预测的准确度；基于目标电力用户的用电需求匹配差异化用电方案，能够确定与目标电力用户用电情况相匹配的差异化用电方案，从而为目标电力用户提供合适的差异化服务，满足目标电力用户的用电需求。