负荷预测方法、装置、存储介质和处理器制造方法及图纸

本发明专利技术公开了一种负荷预测方法、装置、存储介质和处理器。其中，该方法包括：获取目标对象的用户信息；根据用户信息确定目标对象所对应的用户类型；调取用户类型对应的预定分析模型，其中，预定分析模型用于用户类型与负荷之间的对应关系；根据预定分析模型预测目标对象的负荷。本发明专利技术解决了无法准确预测用户负荷的技术问题。

Load forecasting method, device, storage medium and processor

The invention discloses a load forecasting method, a device, a storage medium and a processor. The method includes: obtaining the user information of the target object, determining the user type corresponding to the target object according to the user information, and taking the predetermined analysis model corresponding to the user type, in which the predetermined analysis model is used for the corresponding relationship between the user type and the load; according to the predefined analysis model, the target object is predicted. Load. The invention solves the technical problem that users' load can not be accurately predicted.

【技术实现步骤摘要】
负荷预测方法、装置、存储介质和处理器
本专利技术涉及电力领域，具体而言，涉及一种负荷预测方法、装置、存储介质和处理器。
技术介绍
长期以来，电力公司缺少对高压用户的负荷记录、统计与分析，进而很难准确了解一个用户的负荷情况。在新用户报装与增容、计算变电站可开放容量、负荷预测、负荷切改、网架规划等工作中，常常以用户的用电容量乘以某个系数估算用户最大负荷。这种方式常常会使电网建设运行中留有很大的裕量，经济性不佳。针对上述无法准确预测用户负荷的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种负荷预测方法、装置、存储介质和处理器，以至少解决无法准确预测用户负荷的技术问题。根据本专利技术实施例的一个方面，提供了一种负荷预测方法，包括：获取目标对象的用户信息；根据所述用户信息确定所述目标对象所对应的用户类型；调取所述用户类型对应的预定分析模型，其中，所述预定分析模型用于所述用户类型与负荷之间的对应关系；根据所述预定分析模型预测所述目标对象的负荷。进一步地，根据所述用户信息确定所述目标对象所对应的用户类型包括：采集所述目标对象的所述用户信息；使用第一模型对所述用户信息进行分析，确定所述用户信息对应的用户类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：用户信息和所述用户信息对应的用户类型。进一步地，根据所述预定分析模型预测所述目标对象的负荷包括：在所述预定分析模型中输入所述目标对象的用户信息；根据所述用户信息生成所述目标对象的负荷曲线，其中，所述负荷曲线用于表示所述目标对象的负荷随时间的变化关系；根据所述负荷曲线预测所述目标对象的负荷。进一步地，在调取所述用户类型对应的预定分析模型之前，所述方法包括：获取多组待分析数据，其中，所述多组待分析数据中的每组待分析数据均包括：所述目标对象的所述用户类型和所述用户类型对应的负荷；使用所述多组待分析数据通过机器学习训练出的所述预定分析模型。进一步地，所述用户信息包括：所述目标对象的行业、所述目标对象的用户容量，所述目标对象的用地类型，所述目标对象的用电类型，所述目标对象的占地面积。根据本专利技术的另一方面，本专利技术实施例还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的负荷预测方法。根据本专利技术的另一方面，本专利技术实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述的负荷预测方法。根据本专利技术实施例的另一方面，还提供了一种负荷预测装置，包括：第一获取单元，用于获取目标对象的用户信息；确定单元，用于根据所述用户信息确定所述目标对象所对应的用户类型；调取单元，用于调取所述用户类型对应的预定分析模型，其中，所述预定分析模型用于所述用户类型与负荷之间的对应关系；预测单元，用于根据所述预定分析模型预测所述目标对象的负荷。进一步地，所述确定单元包括：采集模块，用于采集所述目标对象的所述用户信息；第一确定模块，用于使用第一模型对所述用户信息进行分析，确定所述用户信息对应的用户类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组待分析数据均包括：用户信息和所述用户信息对应的用户类型。进一步地，所述确定单元包括：输入模块，用于在所述预定分析模型中输入所述目标对象的用户信息；生成模块，用于根据所述用户信息生成所述目标对象的负荷曲线，其中，所述负荷曲线用于表示所述目标对象的负荷随时间的变化关系；预测模块，用于根据所述负荷曲线预测所述目标对象的负荷。在本专利技术实施例中，通过获取目标对象的用户信息，并根据该用户信息确定目标对象所属的用户类型，然后再调用该用户类型所对应的预定分析模型，通过该预定分析模型预测目标对象的负荷，从而实现了对目标对象负荷的准确预测的技术效果，进而解决了无法准确预测用户负荷的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种负荷预测方法的流程图；图2是根据本专利技术实施例的一种用户电网全景信息库的示意图；图3是根据本专利技术实施例的一种负荷预测装置的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。根据本专利技术实施例，提供了一种负荷预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的一种负荷预测方法的流程图，如图1所示，该方法包括如下步骤：步骤S102，获取目标对象的用户信息；步骤S104，根据用户信息确定目标对象所对应的用户类型；步骤S106，调取用户类型对应的预定分析模型，其中，预定分析模型用于用户类型与负荷之间的对应关系；步骤S108，根据预定分析模型预测目标对象的负荷。通过上述步骤，通过获取目标对象的用户信息，并根据该用户信息确定目标对象所属的用户类型，然后再调用该用户类型所对应的预定分析模型，通过该预定分析模型预测目标对象的负荷，从而可以有针对性地对目标对象的负荷进行分析，实现了对目标对象负荷的准确预测的技术效果，进而解决了无法准确预测用户负荷的技术问题，使电力部门能够根据预测的结果，提前准备应对的方案，确保能够对目标对象正常供电。作为一种可选的实施例，根据用户信息确定目标对象所对应的用户类型包括：采集目标对象的用户信息；使用第一模型对用户信息进行分析，确定用户信息对应的用户类型，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：用户信息和用户信息对应的用户类型。采用本专利技术上述实施例，通过多组数据中的多个用户信息和用户信息对应的用户类型进行训练，可以准确得出用于表示目标对象与用户类型之间对应关系的第一模型，使对目标对象所属的用户类型的划分能够通过机器来自动实现而无需人为介入，进而可以使目标对象所对应的用户类型更加准确。作为一种可选的实施例，根据预定分析模型预测目标对象的负荷包括：在预定分析模型中输入目标对象的用户信息；根据用户信息生成目标对象的负荷曲线，其中，负荷曲线用于表示目标对象的负荷随时间的变化关本文档来自技高网...

【技术保护点】
1.一种负荷预测方法，其特征在于，包括：获取目标对象的用户信息；根据所述用户信息确定所述目标对象所对应的用户类型；调取所述用户类型对应的预定分析模型，其中，所述预定分析模型用于所述用户类型与负荷之间的对应关系；根据所述预定分析模型预测所述目标对象的负荷。

【技术特征摘要】
1.一种负荷预测方法，其特征在于，包括：获取目标对象的用户信息；根据所述用户信息确定所述目标对象所对应的用户类型；调取所述用户类型对应的预定分析模型，其中，所述预定分析模型用于所述用户类型与负荷之间的对应关系；根据所述预定分析模型预测所述目标对象的负荷。2.根据权利要求1所述的方法，其特征在于，根据所述用户信息确定所述目标对象所对应的用户类型包括：采集所述目标对象的所述用户信息；使用第一模型对所述用户信息进行分析，确定所述用户信息对应的用户类型，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：用户信息和所述用户信息对应的用户类型。3.根据权利要求1所述的方法，其特征在于，根据所述预定分析模型预测所述目标对象的负荷包括：在所述预定分析模型中输入所述目标对象的用户信息；根据所述用户信息生成所述目标对象的负荷曲线，其中，所述负荷曲线用于表示所述目标对象的负荷随时间的变化关系；根据所述负荷曲线预测所述目标对象的负荷。4.根据权利要求1所述的方法，其特征在于，在调取所述用户类型对应的预定分析模型之前，所述方法包括：获取多组待分析数据，其中，所述多组待分析数据中的每组待分析数据均包括：所述目标对象的所述用户类型和所述用户类型对应的负荷；使用所述多组待分析数据通过机器学习训练出的所述预定分析模型。5.根据权利要求1所述的方法，其特征在于，所述用户信息包括：所述目标对象的行业、所述目标对象的用户容量...

【专利技术属性】
技术研发人员：王宁，竺林，杨康，管胜利，马斯斯，
申请(专利权)人：国网北京市电力公司，国家电网公司，
类型：发明
国别省市：北京,11