冷库商户耗电量的确定方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种冷库商户耗电量的确定方法、装置、设备及介质，属于机器学习技术领域，其中方法包括：获取冷库在单位时间内冷库的总耗电量；获取冷库内至少一个商户的属性特征；属性特征包括租赁面积、单位时间内的存货种类和货物存取频次；将各商户的属性特征输入耗电系数预测模型，得到各商户对应的耗电系数；其中，耗电系数预测模型是基于机器学习模型和遗传算法，对至少一个样本商户的样本属性特征进行训练得到的；样本属性特征包括各样本商户的租赁面积、单位时间内的存货种类和货物存取频次；基于各商户的对应的耗电系数和总耗电量，确定各商户的耗电量。本发明专利技术的预测模型考虑了商户的存货种类和存取频次，提升了商户耗电量计算的准确性。计算的准确性。计算的准确性。

【技术实现步骤摘要】
冷库商户耗电量的确定方法、装置、设备及介质


[0001]本专利技术涉及机器学习
，尤其涉及一种冷库商户耗电量的确定方法、装置、设备及介质。

技术介绍

[0002]目前，大型开放式冷库中一般会有多个租赁商户。
[0003]现有技术中，针对租赁商户的耗电量的计算一般基于简单的方法，例如按照商户使用的冷库面积或租赁时间来计算。一些冷库采用智能电表实时监测商户的电量消耗。
[0004]现有技术的方法只适用于小型冷库整间租赁。对于大型开放式冷库则无法在设计阶段划定租赁面积，且无法对每个商户完成单独的耗电监测，仅以商户的使用面积作为依据，无法准确反应各个商户的耗电量。

技术实现思路

[0005]本专利技术提供一种冷库商户耗电量的确定方法、装置、设备及介质，用以解决现有技术中针对大型开放式冷库中商户耗电量检测不准确的缺陷，实现对冷库中各个商户耗电量的准确计算。
[0006]本专利技术提供一种冷库商户耗电量的确定方法，包括：
[0007]获取冷库在单位时间内冷库的总耗电量；
[0008]获取所述冷库内至少一个商户的属性特征；所述属性特征包括租赁面积、所述单位时间内的存货种类和货物存取频次；
[0009]将各所述商户的所述属性特征输入耗电系数预测模型，得到各所述商户对应的耗电系数；其中，所述耗电系数预测模型是基于机器学习模型和遗传算法，对至少一个样本商户的样本属性特征进行训练得到的；所述样本属性特征包括各所述样本商户的租赁面积、所述单位时间内的存货种类和货物存取频次；
[0010]基于各所述商户的对应的耗电系数和所述总耗电量，确定各所述商户的耗电量。
[0011]所述耗电系数预测模型的训练步骤包括：
[0012]获取各所述样本商户在所述单位时间内的实际总耗电量；
[0013]获取所述样本属性特征；
[0014]将所述样本属性特征输入所述机器学习模型中，得到各所述样本商户对应的预测耗电量；
[0015]基于各所述样本商户预设的第一耗电系数和所述预测耗电量，得到各所述样本商户的预测总耗电量；
[0016]基于遗传算法，优化所述第一耗电系数，直到所述预测总耗电量与所述实际总耗电量的差值小于预设阈值。
[0017]根据本专利技术提供的一种冷库商户耗电量的确定方法，所述基于各所述样本商户预设的第一耗电系数和所述预测耗电量，得到各所述样本商户的预测总耗电量，包括：
[0018]采用公式(1)得到各所述样本商户的预测总耗电量：
[0019]Y
′
＝A1f1+A2f2+...+A
n
f
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0020]其中，Y
′
为所述样本商户的预测总耗电量，n为所述样本商户的个数，A
n
为第n个样本商户的第一耗电系数，f
n
为第n个样本商户的预测耗电量。
[0021]根据本专利技术提供的一种冷库商户耗电量的确定方法，所述基于遗传算法，优化所述第一耗电系数，直到所述预测总耗电量与所述实际总耗电量的差值小于预设阈值，包括：
[0022]采用公式(2)的目标函数优化所述第一耗电系数：
[0023]min|A1f1+A2f2+...+A
n
f
n
‑
Y|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0024]其中，Y为所述实际总耗电量。
[0025]根据本专利技术提供的一种冷库商户耗电量的确定方法，所述将所述样本属性特征输入所述机器学习模型中，得到各所述样本商户对应的预测耗电量之前，还包括：
[0026]对所述样本属性特征进行预处理；所述预处理包括异常数据剔除、缺失数据补充、数据标准化中的至少一种。
[0027]根据本专利技术提供的一种冷库商户耗电量的确定方法，所述将所述样本属性特征输入所述机器学习模型中，得到各所述样本商户对应的预测耗电量之后，还包括：
[0028]基于交叉验证评估方法，对所述机器学习模型进行验证。
[0029]本专利技术还提供一种冷库商户耗电量的确定装置，包括：
[0030]第一获取模块，用于获取在单位时间内冷库的总耗电量；
[0031]第二获取模块，用于获取所述冷库内至少一个商户的属性特征；所述属性特征包括租赁面积、所述单位时间内的存货种类和货物存取频次；
[0032]耗电系数预测模块，用于将各所述商户的所述属性特征输入耗电系数预测模型，得到各所述商户对应的耗电系数；其中，所述耗电系数预测模型是基于机器学习模型和遗传算法，对至少一个样本商户的样本属性特征进行训练得到的；所述样本属性特征包括各所述样本商户的租赁面积、所述单位时间内的存货种类和货物存取频次；
[0033]确定模块，用于基于各所述商户的对应的耗电系数和所述总耗电量，确定各所述商户的耗电量。
[0034]本专利技术还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述的冷库商户耗电量的确定方法。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的冷库商户耗电量的确定方法。
[0036]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的冷库商户耗电量的确定方法。
[0037]本专利技术提供的一种冷库商户耗电量的确定方法、装置、设备及介质，通过获取冷库内各个商户的租赁面积，单位时间各个商户的存货种类和货物的存取频次，将三类数据输入耗电系数预测模型，得到各个商户的耗电系数，基于预先获取的冷库的总耗电量，将各个商户的耗电系数与冷库的总耗电量相乘，得到各个商户的耗电量；其中，耗电系数预测模型是基于机器学习模型和遗传算法，对多个样本商户的样本属性特征进行训练得到的。本专利技术的耗电系数预测模型的训练过程中，不仅考虑了商户的租赁面积，还考虑了商户的存货
种类和存取频次，对影响商户个体耗电量的因素考虑更加全面，由此提升了对冷库中各个商户的耗电量计算的准确性。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术提供的冷库商户耗电量的确定方法的流程示意图；
[0040]图2是本专利技术提供的冷库商户耗电量的确定方法中的模型训练的流程示意图；
[0041]图3是本专利技术提供的冷库商户耗电量的确定装置的结构示意图；
[0042]图4是本专利技术提供的电子设备的结构示意图。
具体实施方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷库商户耗电量的确定方法，其特征在于，包括：获取冷库在单位时间内冷库的总耗电量；获取所述冷库内至少一个商户的属性特征；所述属性特征包括租赁面积、所述单位时间内的存货种类和货物存取频次；将各所述商户的所述属性特征输入耗电系数预测模型，得到各所述商户对应的耗电系数；其中，所述耗电系数预测模型是基于机器学习模型和遗传算法，对至少一个样本商户的样本属性特征进行训练得到的；所述样本属性特征包括各所述样本商户的租赁面积、所述单位时间内的存货种类和货物存取频次；基于各所述商户的对应的耗电系数和所述总耗电量，确定各所述商户的耗电量。2.根据权利要求1所述的冷库商户耗电量的确定方法，其特征在于，所述耗电系数预测模型的训练步骤包括：获取各所述样本商户在所述单位时间内的实际总耗电量；获取所述样本属性特征；将所述样本属性特征输入所述机器学习模型中，得到各所述样本商户对应的预测耗电量；基于各所述样本商户预设的第一耗电系数和所述预测耗电量，得到各所述样本商户的预测总耗电量；基于遗传算法，优化所述第一耗电系数，直到所述预测总耗电量与所述实际总耗电量的差值小于预设阈值。3.根据权利要求2所述的冷库商户耗电量的确定方法，其特征在于，所述基于各所述样本商户预设的第一耗电系数和所述预测耗电量，得到各所述样本商户的预测总耗电量，包括：采用公式(1)得到各所述样本商户的预测总耗电量：Y
′
＝A1f1+A2f2+...+A
n
f
n
(1)其中，Y
′
为所述样本商户的预测总耗电量，n为所述样本商户的个数，A
n
为第n个样本商户的第一耗电系数，f
n
为第n个样本商户的预测耗电量。4.根据权利要求2或3所述的冷库商户耗电量的确定方法，其特征在于，所述基于遗传算法，优化所述第一耗电系数，直到所述预测总耗电量与所述实际总耗电量的差值小于预设阈值，包括：采用公式(2)的目标函数优化所述第一耗电系数：min|...

【专利技术属性】
技术研发人员：马陇峰，管佳佳，张伯乐，
申请(专利权)人：华商国际工程有限公司，
类型：发明
国别省市：