【技术实现步骤摘要】
本公开涉及数据预测领域，特别涉及一种电力负荷的预测方法及装置、电子设备、存储介质。
技术介绍
1、电力负荷预测是指：通过对历史电力负荷数据进行分析和建模，以便预测未来一段时间内的电力需求。这种预测对于电力系统的运营和规划非常重要，因为它能够帮助电力公司和系统运营商合理安排发电计划、调整电力分配，并有效管理能源资源。
2、但是，目前的电力负荷预测通常是通过单一的预测模型进行预测，且预测模型的输入数据种类较少，因而导致预测的准确性不高。
技术实现思路
1、本公开提供一种电力负荷的预测方法及装置、电子设备、存储介质。
2、第一方面，本公开提供了一种电力负荷的预测方法，包括：
3、获取与目标用户相关联的第一类文本描述信息；其中，所述第一类文本描述信息是与时序无关的描述信息；
4、将所述第一类文本描述信息输入预先训练得到的负荷趋势预测模型，得到所述负荷趋势预测模型输出的负荷趋势预测数据；所述负荷趋势预测数据用于表征目标用户在未来时段内的电力负荷趋势；
5、获取与所述目标用户相关联的第二类文本描述信息；其中，所述第二类文本描述信息是与时序相关的描述信息；
6、将所述负荷趋势预测数据和所述第二类文本描述信息输入预先训练得到的电力负荷预测模型，根据所述电力负荷预测模型的输出结果预测所述目标用户的电力负荷数据。
7、在一种可选的实现方式中，所述将所述负荷趋势预测数据和所述第二类文本描述信息输入预先训练得到的电力负荷预
8、将每个时序信息以及与所述时序信息相关联的文本描述数据构建为一组时序数据对，得到对应于所述多个时序信息的多个时序数据对；
9、将所述多个时序数据对按照时间顺序进行排序，得到与所述第二类文本描述信息相对应的时序特征数据；
10、对所述时序特征数据执行时序文本转换处理，得到处理后的第二类文本描述信息。
11、在一种可选的实现方式中，所述负荷趋势预测模型通过以下方式训练得到：
12、获取多个样本用户的用户画像数据，生成与所述多个样本用户的用户画像数据相对应的第一类样本描述信息；
13、获取所述多个样本用户的历史负荷趋势数据，将所述历史负荷趋势数据作为第一类样本描述信息的预测标签；
14、根据所述第一类样本描述信息以及所述第一类样本描述信息的预测标签，对预设的第一大语言模型进行训练，根据训练后的第一大语言模型得到所述负荷趋势预测模型。
15、在一种可选的实现方式中，所述第一类文本描述信息包括：用户画像数据；
16、并且，所述用户画像数据包括以下中的至少一项：用户类型信息、用户职业信息、房屋类型信息、房屋属性信息、电力设备信息。
17、在一种可选的实现方式中，所述电力负荷预测模型通过以下方式训练得到：
18、获取与多个样本用户相关联的第二类样本描述信息；其中，所述第二类样本描述信息包括：按照时序排列的样本描述信息；
19、获取所述多个样本用户的历史电力负荷数据，将所述历史电力负荷数据作为第二类样本描述信息的预测标签；
20、根据所述第二类样本描述信息以及所述第二类样本描述信息的预测标签，对预设的第二大语言模型进行训练，根据训练后的第二大语言模型得到所述电力负荷预测模型。
21、在一种可选的实现方式中，所述第二类文本描述信息是按照时序排列的文本描述信息；并且，所述第二类文本描述信息包括：按照时序排列的气象文本数据；
22、其中，所述气象文本数据包括以下中的至少一个：温度数据、降水数据、风力数据、湿度数据、预设事件数据、日出日落时间、云层状况数据、日照强度数据。
23、在一种可选的实现方式中，所述第二类文本描述信息还包括：经济文本数据；所述经济文本数据包括以下中的至少一个：经济变化趋势、行业分布数据。
24、第二方面，本公开提供了一种电力负荷的预测装置，包括：
25、第一获取模块，适于获取与目标用户相关联的第一类文本描述信息；其中，所述第一类文本描述信息是与时序无关的描述信息；
26、趋势预测模块，适于将所述第一类文本描述信息输入预先训练得到的负荷趋势预测模型，得到所述负荷趋势预测模型输出的负荷趋势预测数据；所述负荷趋势预测数据用于表征目标用户在未来时段内的电力负荷趋势；
27、第二获取模块，适于获取与所述目标用户相关联的第二类文本描述信息；其中，所述第二类文本描述信息是与时序相关的描述信息；
28、负荷预测模块，适于将所述负荷趋势预测数据和所述第二类文本描述信息输入预先训练得到的电力负荷预测模型，根据所述电力负荷预测模型的输出结果预测所述目标用户的电力负荷数据。
29、第三方面，本公开提供了一种电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的电力负荷的预测方法。
30、第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器/处理核执行时实现上述的电力负荷的预测方法。
31、本公开实施例所提供的电力负荷的预测方法，一方面，能够综合与时序无关的第一类文本描述信息，以及与时序相关的第二类文本描述信息进行预测，由于可供预测的数据种类更加多样，因此，预测结果更加全面。另一方面，能够借助负荷趋势预测模型以及电力负荷预测模型这两大模型进行预测，其中，负荷趋势预测模型用于输出负荷趋势预测数据，电力负荷预测模型则结合负荷趋势预测数据得到最终的电力负荷数据，通过两个模型的联动处理，能够提升电力预测的准确性。
32、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种电力负荷的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述负荷趋势预测数据和所述第二类文本描述信息输入预先训练得到的电力负荷预测模型之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述负荷趋势预测模型通过以下方式训练得到：
4.根据权利要求3所述的方法，其特征在于，所述第一类文本描述信息包括：用户画像数据；
5.根据权利要求1所述的方法，其特征在于，所述电力负荷预测模型通过以下方式训练得到：
6.根据权利要求1所述的方法，其特征在于，所述第二类文本描述信息是按照时序排列的文本描述信息；并且，所述第二类文本描述信息包括：按照时序排列的气象文本数据；
7.根据权利要求6所述的方法，其特征在于，所述第二类文本描述信息还包括：经济文本数据；所述经济文本数据包括以下中的至少一个：经济变化趋势、以及行业分布数据。
8.一种电力负荷的预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存
...【技术特征摘要】
1.一种电力负荷的预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述负荷趋势预测数据和所述第二类文本描述信息输入预先训练得到的电力负荷预测模型之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述负荷趋势预测模型通过以下方式训练得到：
4.根据权利要求3所述的方法，其特征在于，所述第一类文本描述信息包括：用户画像数据；
5.根据权利要求1所述的方法，其特征在于，所述电力负荷预测模型通过以下方式训练得到：
6.根据权利要求1所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：崔明飞，于皓，罗华刚，车成富，贾敬伍，
申请(专利权)人：北京中关村科金技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。