本技術(shù)實(shí)施例涉及數(shù)據(jù)處理，尤其涉及一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法及系統(tǒng)。

背景技術(shù)：

1、隨著智慧城市和智能家居概念的普及，電力系統(tǒng)的智能化管理成為發(fā)展趨勢(shì)。特別是在居民區(qū)、商業(yè)區(qū)以及工業(yè)區(qū)，如何通過(guò)智能電表等物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)采集電力使用數(shù)據(jù)，并對(duì)其進(jìn)行有效的分析處理，進(jìn)而實(shí)現(xiàn)精細(xì)化用電管理和預(yù)測(cè)，已成為迫切需要解決的問(wèn)題。通過(guò)對(duì)用戶用電行為的深入分析，可以更好地指導(dǎo)電力資源的合理分配，避免電力浪費(fèi)，同時(shí)也能為用戶提供個(gè)性化的節(jié)能建議。

2、目前，許多地區(qū)已經(jīng)開(kāi)始部署智能電網(wǎng)，利用智能電表自動(dòng)讀取用戶用電數(shù)據(jù)，并通過(guò)無(wú)線通信技術(shù)將數(shù)據(jù)傳輸至數(shù)據(jù)中心。數(shù)據(jù)中心會(huì)對(duì)這些數(shù)據(jù)進(jìn)行初步處理，如計(jì)算電費(fèi)、檢測(cè)異常用電等。然而，大多數(shù)情況下，這種處理方式仍然較為被動(dòng)，主要是事后統(tǒng)計(jì)分析，缺乏對(duì)未來(lái)用電趨勢(shì)的預(yù)測(cè)能力，且難以及時(shí)響應(yīng)用戶用電模式的變化。

3、傳統(tǒng)用電管理系統(tǒng)在數(shù)據(jù)處理上的不足體現(xiàn)在幾個(gè)方面：一是數(shù)據(jù)利用率不高，大量的用電數(shù)據(jù)未能得到有效挖掘和利用；二是預(yù)測(cè)精度不夠，現(xiàn)有的預(yù)測(cè)模型往往只能提供較為粗略的用電量估計(jì)，無(wú)法滿足精細(xì)化管理的需求；三是響應(yīng)速度慢，對(duì)于突發(fā)性的用電高峰或低谷，現(xiàn)有系統(tǒng)難以迅速做出調(diào)整。因此，需要一種更加智能的方法，能夠?qū)崟r(shí)采集用戶的電力使用數(shù)據(jù)，并通過(guò)時(shí)間序列分析和特征提取，準(zhǔn)確預(yù)測(cè)未來(lái)的用電量，從而優(yōu)化電網(wǎng)負(fù)荷分配，提高電力系統(tǒng)的運(yùn)行效率。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中電網(wǎng)負(fù)荷分配效率差的問(wèn)題。

2、第一方面，本技術(shù)實(shí)施例提供了一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法，包括：

3、采集多個(gè)用戶的電力使用數(shù)據(jù)；

4、將所述電力使用數(shù)據(jù)按照時(shí)間序列進(jìn)行分割，獲得多個(gè)時(shí)間段的數(shù)據(jù)片段；

5、利用預(yù)設(shè)的分析模型對(duì)所述數(shù)據(jù)片段進(jìn)行特征提取，獲得每個(gè)時(shí)間段內(nèi)電力使用的特征向量；

6、根據(jù)所述特征向量以及預(yù)設(shè)用電模式，預(yù)測(cè)下一時(shí)間段內(nèi)的用電量；

7、其中，所述特征向量用于優(yōu)化所述預(yù)設(shè)用電模式，并根據(jù)優(yōu)化后的用電模式調(diào)整電網(wǎng)負(fù)荷分配。

8、可選地，所述采集多個(gè)用戶的電力使用數(shù)據(jù)，包括：

9、通過(guò)物聯(lián)網(wǎng)設(shè)備實(shí)時(shí)監(jiān)控用戶的電力消耗情況；

10、接收來(lái)自物聯(lián)網(wǎng)設(shè)備傳輸?shù)碾娏ο男畔?，并記錄為所述電力使用?shù)據(jù)。

11、可選地，所述利用預(yù)設(shè)的分析模型對(duì)所述數(shù)據(jù)片段進(jìn)行特征提取，獲得每個(gè)時(shí)間段內(nèi)電力使用的特征向量，包括：

12、識(shí)別所述數(shù)據(jù)片段中的統(tǒng)計(jì)特征，所述統(tǒng)計(jì)特征至少包括峰值、均值和標(biāo)準(zhǔn)差；

13、利用機(jī)器學(xué)習(xí)算法對(duì)所述統(tǒng)計(jì)特征進(jìn)行加權(quán)平均，以獲得所述特征向量。

14、可選地，所述根據(jù)所述特征向量以及預(yù)設(shè)用電模式，預(yù)測(cè)下一時(shí)間段內(nèi)的用電量，包括：

15、基于所述特征向量，構(gòu)建非線性回歸模型，以通過(guò)所述非線性回歸模型估計(jì)下一時(shí)間段內(nèi)的用電量；

16、其中，所述非線性回歸模型采用最小二乘法擬合所述特征向量與實(shí)際用電量之間的關(guān)系。

17、可選地，所述基于所述特征向量，構(gòu)建非線性回歸模型，以通過(guò)所述非線性回歸模型估計(jì)下一時(shí)間段內(nèi)的用電量，包括：

18、通過(guò)預(yù)測(cè)用電量函數(shù)，估計(jì)下一時(shí)間段內(nèi)的用電量，其中，所述預(yù)測(cè)用電量函數(shù)定義為：

19、

20、其中，f(x，e，h，t)表示所估計(jì)的下一時(shí)間段內(nèi)的用電量，即預(yù)測(cè)用電量，，x表示特征向量，e表示外部環(huán)境條件向量，h表示歷史節(jié)假日影響向量，t表示時(shí)間戳，n是特征向量中元素的數(shù)量或所述非線性回歸模型中的特征數(shù)量，ωi(t)表示隨時(shí)間變化的動(dòng)態(tài)權(quán)重，g(x；αi，e，h，t)表示非線性基函數(shù)，αi表示所述非線性回歸模型的模型參數(shù)，b(t)表示隨時(shí)間變化的偏置項(xiàng)。

21、可選地，所述非線性基函數(shù)g(x；αi，e，h，t)定義為：

22、g(x；αi，e，h，t)＝multiheadattention(x，e，h，t；wq，wk，wv)

23、其中，g(x；αi，e，h，t)是一個(gè)非線性基函數(shù)，multiheadattention是多頭注意力機(jī)制，q、k、v分別是查詢矩陣、鍵矩陣和值矩陣，是由特征向量x，外部環(huán)境條件向量e，歷史節(jié)假日影響向量h，以及時(shí)間戳t經(jīng)過(guò)線性變換得到的，wq，wk，wv是變換矩陣，用以將特征向量x，外部環(huán)境條件向量e，歷史節(jié)假日影響向量h，以及時(shí)間戳t轉(zhuǎn)換為查詢矩陣q、鍵矩陣k和值矩陣v。

24、可選地，所述最小二乘法擬合所述特征向量與實(shí)際用電量之間的關(guān)系，包括：

25、

26、其中，minw,b(t)，ω(t)是最小化目標(biāo)函數(shù)，yt是第t個(gè)時(shí)間點(diǎn)的實(shí)際用電量，λ(t)是隨時(shí)間變化的正則化系數(shù)，w是權(quán)重向量，γ是平滑因子，t是時(shí)間窗口大??；

27、其中，是損失函數(shù)的第一部分，表示預(yù)測(cè)用電量f(xt,et,ht,t)與實(shí)際用電量yt在所有時(shí)間點(diǎn)t上的平方誤差之和，λ(t)||w||2是正則化項(xiàng)的一部分，用以懲罰大的權(quán)重值w，λ(t)是隨時(shí)間變化的正則化系數(shù)，是對(duì)偏置項(xiàng)b(t)的平滑性懲罰項(xiàng)，是對(duì)環(huán)境條件向量e中每個(gè)元素絕對(duì)值的懲罰項(xiàng)，η是懲罰項(xiàng)的系數(shù)，||ω(t)||2是對(duì)動(dòng)態(tài)權(quán)重矩陣ω(t)的正則化項(xiàng)，ζ是正則化項(xiàng)的系數(shù)。

28、第二方面，本技術(shù)實(shí)施例提供了一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法及系統(tǒng)，包括:

29、采集模塊，用于采集多個(gè)用戶的電力使用數(shù)據(jù)；

30、分割模塊，用于將所述電力使用數(shù)據(jù)按照時(shí)間序列進(jìn)行分割，獲得多個(gè)時(shí)間段的數(shù)據(jù)片段；

31、特征提取模塊，用于利用預(yù)設(shè)的分析模型對(duì)所述數(shù)據(jù)片段進(jìn)行特征提取，獲得每個(gè)時(shí)間段內(nèi)電力使用的特征向量；

32、預(yù)測(cè)模塊，用于根據(jù)所述特征向量以及預(yù)設(shè)用電模式，預(yù)測(cè)下一時(shí)間段內(nèi)的用電量；其中，所述特征向量用于優(yōu)化所述預(yù)設(shè)的用電模式，并根據(jù)所述用電模式調(diào)整電網(wǎng)負(fù)荷分配。

33、第三方面，本技術(shù)實(shí)施例提供了一種計(jì)算設(shè)備，包括處理組件以及存儲(chǔ)組件；所述存儲(chǔ)組件存儲(chǔ)一個(gè)或多個(gè)計(jì)算機(jī)指令；所述一個(gè)或多個(gè)計(jì)算機(jī)指令用以被所述處理組件調(diào)用執(zhí)行，實(shí)現(xiàn)如上述第一方面任一項(xiàng)所述的一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法。

34、第四方面，本技術(shù)實(shí)施例提供了種計(jì)算機(jī)存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被計(jì)算機(jī)執(zhí)行時(shí)，實(shí)現(xiàn)如上述第一方面任一項(xiàng)所述的一種基于物聯(lián)網(wǎng)的智能用電實(shí)時(shí)計(jì)量與數(shù)據(jù)分析方法。

35、本技術(shù)實(shí)施例中，采集多個(gè)用戶的電力使用數(shù)據(jù)；將所述電力使用數(shù)據(jù)按照時(shí)間序列進(jìn)行分割，獲得多個(gè)時(shí)間段的數(shù)據(jù)片段；利用預(yù)設(shè)的分析模型對(duì)所述數(shù)據(jù)片段進(jìn)行特征提取，獲得每個(gè)時(shí)間段內(nèi)電力使用的特征向量；根據(jù)所述特征向量以及預(yù)設(shè)用電模式，預(yù)測(cè)下一時(shí)間段內(nèi)的用電量；其中，所述特征向量用于優(yōu)化所述預(yù)設(shè)用電模式，并根據(jù)優(yōu)化后的用電模式調(diào)整電網(wǎng)負(fù)荷分配。本技術(shù)提供的技術(shù)方案能夠優(yōu)化電網(wǎng)負(fù)荷分配，提高電力系統(tǒng)的運(yùn)行效率。

36、本技術(shù)的這些方面或其他方面在以下實(shí)施例的描述中會(huì)更加簡(jiǎn)明易懂。