CN111401667B - 一种工厂的用电调度方法、装置、计算机设备和存储介质 - Google Patents
一种工厂的用电调度方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111401667B CN111401667B CN202010493363.9A CN202010493363A CN111401667B CN 111401667 B CN111401667 B CN 111401667B CN 202010493363 A CN202010493363 A CN 202010493363A CN 111401667 B CN111401667 B CN 111401667B
- Authority
- CN
- China
- Prior art keywords
- range
- factory
- bicycle
- candidate
- walking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000005611 electricity Effects 0.000 claims abstract description 125
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 36
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000003973 irrigation Methods 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000035936 sexual power Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种工厂的用电调度方法、装置、计算机设备和存储介质，该方法包括：在电子地图中确定工厂所在的第一位置，在电子地图中查找第二位置，以使工厂中的工人在指定的目标时间内从第二位置到达第一位置，在电子地图中、根据第二位置确定工厂中的工人的居住范围，在居住范围内查找用电类别为住宅用电的第二用电户，测量第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，根据多个第一用电量预测工厂在第二参考时间段内使用的第二用电量，根据多个第二用电量的单调性对工厂的用电进行调度。本实施例可以确保工厂用电量的准确度，并且，以工厂用电量的单调性进行用电调度，可以保证用电调度启动的及时性。
Description
技术领域
本发明实施例涉及电力领域的技术，尤其涉及一种工厂的用电调度方法、装置、计算机设备和存储介质。
背景技术
随着国民经济的快速发展，社会用电负荷与日俱增，能源紧缺以及环境污染等问题日益严重，为了适应能源转型，节能环保，提高能源利用效率，主动按需调度电能是用电调度的趋势。
目前，各类型的工厂在国民经济中占据重要的地位，是主动按需调度电能的目标之一，而主动按需调度电能的前提是需要知道工厂在未来一段时间内使用的电量。
现有预测工厂用电量的方法，通常是参照工厂在历史上相同周期的用电量预测未来周期的用电量，但是，工厂用电的周期较长，通常以年为单位，而工厂受各种因素制约，生产的波动性大，实际的用电量与预测的用电量偏差较大，降低用电调度的效率。
例如，在受到传染病疫情的影响，工厂的生产停滞，实际的用电量大幅低于预测的用电量。
发明内容
本发明实施例提供一种工厂的用电调度方法、装置、计算机设备和存储介质，以解决按照历史周期的用电量预测未来周期的用电量的精确度低、导致用电调度的效率低的问题。
第一方面，本发明实施例提供了一种工厂的用电调度方法，包括：
在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
在所述居住范围内查找用电类别为住宅用电的第二用电户；
测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，所述第一参考时间段位于当前时间之前；
根据多个所述第一用电量预测所述工厂在第二参考时间段内使用的多个第二用电量，所述第二参考时间段位于当前时间之后；
根据多个所述第二用电量的单调性对所述工厂的用电进行调度。
第二方面，本发明实施例还提供了一种工厂的用电调度装置，包括：
第一位置确定模块，用于在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
第二位置查找模块，用于在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
居住范围确定模块，用于在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
用电户查找模块，用于在所述居住范围内查找用电类别为住宅用电的第二用电户；
第一用电量测量模块，用于测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，所述第一参考时间段位于当前时间之前；
第二用电量预测模块，用于根据多个所述第一用电量预测所述工厂在第二参考时间段内使用的多个第二用电量，所述第二参考时间段位于当前时间之后；
用电调度模块，用于根据多个所述第二用电量的单调性对所述工厂的用电进行调度。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的工厂的用电调度方法。
第四方面，本发明实施例还提供了一种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第一方面所述的工厂的用电调度方法。
在本实施例中，在电子地图中确定工厂所在的第一位置，工厂为用电类别属于工业用电的第一用电户，在电子地图中查找第二位置，以使工厂中的工人在指定的目标时间内从第二位置到达第一位置，在电子地图中、根据第二位置确定工厂中的工人的居住范围，在居住范围内查找用电类别为住宅用电的第二用电户，测量第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，第一参考时间段位于当前时间之前，根据多个第一用电量预测工厂在第二参考时间段内使用的第二用电量，第二参考时间段位于当前时间之后，根据多个第二用电量的单调性对工厂的用电进行调度，参考在工厂中工作的工人流动性较大、且多租住在工厂周围的特性，以及，工人与用电量存在相关性的规律，分析工人在工厂周围可能居住的区域，以该区域中的用电量反映工人的规模，以此预测工厂的用电量，可以确保工厂用电量的准确度，并且，以工厂用电量的单调性进行用电调度，可以保证用电调度启动的及时性，后期可配合其他方式对用电调度进行微调，则可使得用电调度无缝对接。
此外，工厂的生产计划可直接体现在用工计划上，在出现疫情减少用工、新增订单扩大用工等情况下，本实施例也可以通过工人的用电量对工厂预测准确的用电需求，提高工厂用电调度的灵活性。
附图说明
图1为本发明实施例一提供的一种工厂的用电调度方法的流程图；
图2A和图2B是本发明实施例一提供的一种遍历居住范围的示例图；
图3为本发明实施例三提供的一种工厂的用电调度装置的结构示意图；
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种工厂的用电调度方法的流程图，本实施例可适用于根据工人实际的用电量预测工厂的用电量，从而获知用电调度的节点的情况，该方法可以由工厂的用电调度装置来执行，该工厂的用电调度装置可以由软件和/或硬件实现，可配置在计算机设备中，例如，个人电脑、服务器，等等，该方法具体包括如下步骤：
S101、在电子地图中确定工厂所在的第一位置。
用电户在注册用电时，会按照用电户的性质划分用电分类，具体包括如下的几种：
（一）工业用电。利用电力作为初始能源从事工业性产品（劳务）的生产经营活动的企业，运用物理、化学、生物等技术进行加工.和维持功能性活动所需的一切电力。受电变压器总容量在315kVA以下受电者称谓普通业用电。受电变压器容量在315kVA及以上者称谓大工业用电。
（二）商业用电。在流道过程中企业专业从事商品交换（含组织生产资料流转）和为客户提供商业性、金融性、服务性的有偿服务，并以盈利为目的的这些经营活动所需要的一切电力，称之谓商业用电。
（三）住宅用电。城镇居民其住宅中正常的居家生活使用的电力，包括居家的照明、家用电器用电和温度调节用电等（但举办家庭商业，其经性用电执行商业用电分类）。
（四）稻田排灌用电。指农场或乡村农户稻田排灌用电（包括固定的电动排灌站和临时使用的电动水泵为稻田排水和灌溉使用的电力）。
（五）农业生产用电。农村、农场或者农业生产基地的电犁、打井、灌溉抽水（除稻田排灌用电）、积肥、育秧、捕虫、非经营性的农民口粮加工和牲畜饲料加、种植或栽培果树、蔬菜、植树造林、牲畜饲养、水产养殖以及捕捞等用电。
（六）非工业用电。指除上述性质用电以外的其他用电均列为非工业用电。包括：经营性的交通运输业（除电气率引机车外的铁路运输、公路运输、水上运输、民用航空、城市公共交通、装卸）、邮电业、建筑安装施用电、地质勘探的生产经营活动使用的电力、医院、学校、文化教育机构、非盈利的传媒机构、社团使用电力，等等。
在本实施例中，对工厂的用电量进行预测，以便按需调度电量，该工厂为用电类别属于工业用电的第一用电户，查找该第一用电户在注册时填写的地址，即可以该地址在电子地图中定位工厂所在的位置，作为第一位置。
S102、在电子地图中查找第二位置，以使工厂中的工人在指定的目标时间内从第二位置到达第一位置。
在工厂中工作的工人流动性较大，因此，工人的情况可以直接反映出工厂的生产计划，从而体现出工厂的用电情况。
工厂多建设在城市的郊区位置，交通不便利，且夜晚也多属于上班时间，在职的工人为了方便上下班，多租住在工厂周围的地区。
在本实施例中，在电子地图中遍历工厂周围的地区，查找特定的位置，作为第二位置，所谓特定，是指在工厂中工作的工人可以在合理的目标时间内从第二位置出发并到达工厂所在的第一位置，从而保证工人可以准点上班。
在本发明的一个实施例中，S102包括如下步骤：
S1021、在电子地图中，查找连接第一位置且支持步行的第一道路、支持自行车通行的第二道路、支持汽车通行的第三道路。
工人到工厂上班、离开工厂下班的方式，大多是步行、骑自行车、搭乘汽车（如公交）。
在本实施例中，针对工人上下班的方式，可以在电子地图中查找到达工厂（即第一位置）的道路，每条道路的通行性质已标记在电子地图中，例如，某段高架桥允许汽车通行，某段桥梁同时允许行人、自行车、行人通行。
根据电子地图的标记的性质，将该道路区分为支持步行的第一道路、支持自行车通行的第二道路、支持汽车通行的第三道路。
需要说明的是，道路之间多是相通的，因此，第一道路、第二道路、第三道路通常包括多条相通的道路，形成网状的结构。
S1022、以第一位置为起点，沿第一道路每间隔预设的第一距离设置第一候选点。
S1023、若工厂中的工人从第一候选点出发、在第一道路上通过步行到达第一位置所使用的第一参考时间与预设的第一目标时间相等，则确定第一候选点为步行截止位置。
在本实施例中，目标时间包括第一目标时间，该第一目标时间可以指步行上限的时间，如30分钟，第二位置包括步行截止位置，该步行截止位置可以指步行上限的位置，如距离工厂2公里的位置，第一目标时间与步行截止位置是相对应的。
在具体实现中，可以以第一位置为起点，沿第一道路而行，每间隔预设的第一距离（如50米）即可设置一个点，作为第一候选点。
调用电子地图的API（Application Programming Interface，应用程序编程接口），以第一候选点作为出发地，工厂（即第一位置）为目的地，计算步行所需要的时间，作为第一参考时间。
将第一参考时间与第一目标时间进行比较。
若第一参考时间小于第一目标时间，则继续在第一道路上标记下一个第一候选点。
若第一参考时间等于第一目标时间，则将该第一候选点标记为步行截止位置。
例如，如图2A所示，针对工厂210周围的第一道路，可以以A1作为第一候选点，计算以A1作为出发地，工厂210为目的地，计算步行的第一参考时间t1，第一参考时间t1小于第一目标时间，则间隔A150米设置A2，计算以A2作为出发地，工厂210为目的地，计算步行的第一参考时间t2，如此类推，继续遍历A2、A4，等等。
需要说明的是，第一参考时间与第一目标时间之间在误差范围内，即第一参考时间与第一目标时间之间差值的绝对值小于预设的第一误差阈值，此时，可以认为是第一参考时间与第一目标时间相等，以提高泛化能力。
当第一道路中各段道路都已经标记步行截止位置，则可以认为已完成对步行截止位置的标记。
S1024、以第一位置为起点，沿第二道路每间隔预设的第二距离设置第二候选点。
S1025、若工厂中的工人从第二候选点出发、在第二道路上通过骑自行车到达所述第一位置所使用的第二参考时间与预设的第二目标时间相同，则确定第二候选点为自行车截止位置。
在本实施例中，目标时间包括第二目标时间，该第二目标时间可以指骑自行车上限的时间，如30分钟，第二位置包括自行车截止位置，该自行车截止位置可以指骑自行车上限的位置，如距离工厂7公里的位置，第二目标时间与自行车截止位置是相对应的。
在具体实现中，可以以第一位置为起点，沿第二道路而行，每间隔预设的第二距离（如100米）即可设置一个点，作为第二候选点，其中，第二距离通常大于第一距离。
调用电子地图的API，以第二候选点作为出发地，工厂（即第一位置）为目的地，计算骑自行车所需要的时间，作为第二参考时间。
将第二参考时间与第二目标时间进行比较。
若第二参考时间小于第二目标时间，则继续在第二道路上标记下一个第二候选点。
若第二参考时间等于第二目标时间，则将该第二候选点标记为自行车截止位置。
需要说明的是，第二参考时间与第二目标时间之间在误差范围内，即第二参考时间与第二目标时间之间差值的绝对值小于预设的第二误差阈值，此时，可以认为是第二参考时间与第二目标时间相等，以提高泛化能力。
当第二道路中各段道路都已经标记自行车截止位置，则可以认为已完成对自行车截止位置的标记。
S1026、以第一位置为起点，沿第三道路每间隔预设的第三距离设置第三候选点；
S1027、若工厂中的工人在第三参考时间内从第三候选点出发、在第三道路上通过搭乘汽车到达第一位置所使用的第三参考时间与预设的第三目标时间相同，则确定第三候选点为汽车截止位置。
在本实施例中，目标时间包括第三目标时间，该第三目标时间可以指搭乘汽车上限的时间，如30分钟，第三位置包括汽车截止位置，该汽车截止位置可以指搭乘汽车上限的位置，如距离工厂15公里的位置，第三目标时间与汽车截止位置是相对应的。
在具体实现中，可以以第一位置为起点，沿第三道路而行，每间隔预设的第三距离（如300米）即可设置一个点，作为第三候选点，其中，第三距离通常大于第二距离。
调用电子地图的API，以第三候选点作为出发地，工厂（即第一位置）为目的地，计算搭乘汽车所需要的时间，作为第三参考时间。
将第三参考时间与第三目标时间进行比较。
若第三参考时间小于第三目标时间，则继续在第三道路上标记下一个第三候选点。
若第三参考时间等于第三目标时间，则将该第三候选点标记为汽车截止位置。
需要说明的是，第三参考时间与第三目标时间之间在误差范围内，即第三参考时间与第三目标时间之间差值的绝对值小于预设的第三误差阈值，此时，可以认为是第三参考时间与第三目标时间相等，以提高泛化能力。
当第三道路中各段道路都已经标记汽车截止位置，则可以认为已完成对汽车截止位置的标记。
S103、在电子地图中、根据第二位置确定工厂中的工人的居住范围。
在具体实现中，在电子地图中，以工厂的第一位置为基准，围绕第一位置、沿第二位置定位该工厂中的工人可能居住的区域，作为居住范围。
在本发明的一个实施例中，居住范围包括步行居住范围、自行车居住范围、汽车居住范围，其中，步行居住范围可以指通过步行到达工厂的概率最高的行政区域、自行车居住范围可以指通过骑自行车到达工厂的概率最高的行政区域、汽车居住范围可以指通过搭乘汽车到达工厂的概率最高的行政区域。
则在本实施例中，S103可以包括如下步骤：
S1031、在电子地图中、依次连接各个步行截止位置，获得步行候选范围。
在本实施例中，可以随机选择一个步行截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个步行截止位置，步行截止位置之间的连线并不相交，从而形成内部连通的区域，作为步行候选范围。
S1032、将位于步行候选范围内或与步行候选范围相交的行政区域设置为步行居住范围。
在本实施例中，以村、街道等细粒度的行政区域作为一个独立的整体，与步行候选范围进行比较。
若该行政区域落入该步行候选范围，则该行政区域可以称之为步行居住范围。
若该行政区域与该步行候选范围相交，即部分行政区域落入该步行候选范围、部分行政区域在该步行候选范围之外，则该行政区域也可以称之为步行居住范围。
例如，如图2B所示，针对工厂210，分别在各个第一道路中遍历如下步行截止位置：
An、Bn、Cn、Dn、En、Fn、Gn、Hn、In、Jn。
依次连接An、Bn、Cn、Dn、En、Fn、Gn、Hn、In、Jn，则可以获得步行候选范围220。
一个村落230的范围与步行候选范围220相交，则该村落230为该工厂210的步行居住范围。
S1033、在电子地图中、依次连接各个自行车截止位置，获得自行车候选范围。
在本实施例中，可以随机选择一个自行车截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个自行车截止位置，自行车截止位置之间的连线并不相交，从而形成内部连通的区域，作为自行车候选范围。
S1034、将位于自行车候选范围内或与自行车候选范围相交的行政区域设置为自行车参考范围。
在本实施例中，以村、街道等细粒度的行政区域作为一个独立的整体，与自行车候选范围进行比较。
若该行政区域落入该自行车候选范围，则该行政区域可以称之为自行车参考范围。
若该行政区域与该自行车候选范围相交，即部分行政区域落入该自行车候选范围、部分行政区域在该自行车候选范围之外，则该行政区域也可以称之为自行车参考范围。
S1035、在自行车参考范围内去除步行居住范围，获得自行车居住范围。
在实际生活中，自行车可通行的距离大于步行可通行的距离，因此，自行车参考范围通常是大于步行居住范围的，为了避免范围重复，则可以在自行车参考范围内去除步行居住范围，剩余的自行车参考范围（行政区域）则可以称之为自行车居住范围。
S1036、在电子地图中、依次连接各个汽车截止位置，获得汽车候选范围。
在本实施例中，可以随机选择一个汽车截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个汽车截止位置，汽车截止位置之间的连线并不相交，从而形成内部连通的区域，作为汽车候选范围。
S1037、将位于汽车候选范围内或与汽车候选范围相交的行政区域设置为汽车参考范围。
在本实施例中，以村、街道等细粒度的行政区域作为一个独立的整体，与汽车候选范围进行比较。
若该行政区域落入该汽车候选范围，则该行政区域可以称之为汽车参考范围。
若该行政区域与该汽车候选范围相交，即部分行政区域落入该汽车候选范围、部分行政区域在该汽车候选范围之外，则该行政区域也可以称之为汽车参考范围。
S1038、在汽车参考范围内去除步行居住范围与自行车居住范围，获得汽车居住范围。
在实际生活中，汽车可通行的距离大于自行车可通行的距离、步行可通行的距离，因此，汽车参考范围通常是大于自行车参考范围、步行居住范围的，为了避免范围重复，则可以在汽车参考范围内去除步行居住范围与自行车居住范围，剩余的汽车参考范围（行政区域）则可以称之为汽车居住范围。
在本实施例中，以各种道路上通行的截止位置选定相应的候选范围，并以行政区域作为相应的居住范围，相比于针对第二位置生成规范图形（如圆形）的范围，更能贴近工人实际的居住情况，减少将非居住的住所、偏远的住所等纳入居住范围的情况，从而保证居住范围的准确性。
S104、在居住范围内查找用电类别为住宅用电的第二用电户。
在本实施例中，在电子地图中遍历工厂的居住范围，查找用电类别为住宅用电（又称居民用电）的用电户，这些用电户对应的建筑物，可能为用于租赁的住所，通过在居住范围查找用电类别为住宅用电的第二用电户，可以查找出该工厂的工人可能租住的住所。
S105、测量用电户在第一参考时间段内多个监测周期所使用的多个第一用电量。
在本实施例中，针对当前时间，可将在先的多个（两个或两个以上）监测周期（如1天为一个监测周期）组成一段时间（即第一参考时间段），即第一参考时间段位于当前时间之前，且包括多个监测周期。
从电网的历史数据中，查找该第二用电户在第一参考时间段中每个监测周期所使用的用电量，作为第一用电量，从而形成用电量的序列。
S106、根据多个第一用电量预测工厂在第二参考时间段内使用的多个第二用电量。
在实际应用中，工厂的用电量主要是体现在产线上，产线工人的规模可以在一定程度上体现产线的生产情况，即工厂的用电量与产线工人的规模存在强相关的关联性。
在该工厂附近居住范围内住宅用电的用电量（即第一用电量），可以在一定程度上体现产线工人的情况，因此，本实施例可以以多个第一用电量组成的序列预测工厂在第二参考时间段内使用的用电量，从而获得第二用电量。
其中，第二参考时间段位于当前时间之后。
在本发明的一个实施例中，S106包括如下步骤：
S1061、确定长短期记忆网络。
在本实施例中，可以预先设置长短期记忆网络（Long Short-Term Memory，LSTM），其中，LSTM是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的事件。
在具体实现中，可以以历史上的多个第一用电量作为训练样本，真实的第二用电量作为标签（Tag），训练该LSTM，从而使得该LSTM可以用于根据住宅用电的用电量预测工业用电的用电量。
在训练完成时，存储LSTM及其参数，在使用时运行该LSTM并加载其参数。
S1062、确定第二用电户所处和居住属性。
在本实施例中，可以识别第二用电户所处居住范围的类别和居住属性，居住范围的类别和居住属性可以体现第二用电户的第一用电量为在工厂中工人所使用的用电量的置信度。
针对居住范围的类别，可区分为步行居住范围、自行车居住范围、汽车居住范围。
针对居住属性，可区分为租赁居住、住宅居住，其中，租赁居住可以指居住在租赁的住所，住宅居住可以指居住在非租赁的住所。
在具体实现中农，查找第二用电户在第三参考时间段内使用的电压值，其中，第三参考时间段位于当前时间之前。
计算电压值的幅度（即最大值与最低值之间的差值）、电压值超过预设的上限值时的持续时间，其中，该上限值用于表示一般大型家庭（如8人家庭）用电时电压的上限。
一般而言，工人离开住所去工厂上班时，住所的用电量下降，工人从工厂下班回到住所时，住所的用电量增高，此时，电压值的幅度较大。
若幅度大于预设的第一阈值、持续时间大于预设的第二阈值，则表示住所符合上下班的规律且置信度较高，可确定第二用电户的居住属性为租赁居住，如城中村的出租屋，一间出租屋申报一个第二用电户，在该出租屋中可能多达数十人租住，用电。
将除租赁居住之外的其他的居住属性设置为家庭居住，如小区中的住宅，由于空间限制，即便用于租赁，租住的人数也不高，因此，用于租赁的住宅的用电规律与非租赁的住宅的用电规律接近，以相同的方式处理。
S1063、基于类别和居住属性对第一用电量配置权重。
在具体实现中，若类别为步行居住范围，则对第一用电量配置第一目标值，作为权重。
若类别为自行车居住范围，则对第一用电量配置第二目标值，作为权重，其中，第二目标值小于第一目标值，使得自行车居住范围的权重低于步行居住范围的权重。
若类别为汽车居住范围，则对第一用电量配置第三目标值，作为权重，其中，第三目标值小于第二目标值，使得汽车居住范围的权重低于自行车居住范围的权重。
若居住属性为租赁居住，则提高第一用电量的权重，实现对第一用电量的权重的微调整。
若居住属性为家庭居住，则降低第一用电量的权重，实现对第一用电量的权重的微调整。
S1064、将多个配置权重的第一用电量输入至长短期记忆网络中进行处理，以输出工厂在第二参考时间段内使用的多个第二用电量。
在本实施例中，在训练LSTM时，可以以历史上的多个第一用电量及其权重作为训练样本，真实的第二用电量作为标签（Tag），训练该LSTM，从而使得该LSTM可以用于根据住宅用电的用电量预测工业用电的用电量。
对于当前的多个第一用电量及其权重，可输入至已完成训练的LSTM中，LSTM按照其本身的逻辑进行处理，输出一个用电量，作为工厂在未来第二参考时间段内使用的第二用电量。
在本实施例中，根据第二用电户所处的居住范围的类别及其居住属性对第一用电量设置相应的权重，可挖掘出工人的用电量的重要性，从而提高预测工厂的第二用电量的准确性。
S107、根据多个第二用电量的单调性对工厂的用电进行调度。
在实际应用中，工厂的产线在产能爬坡、产能下降的时候，产线的用电量与工人的数量的相关性更强，而工厂的产线满足最低数量要求的工人时全面启动，产线的用电量与工人的数量的相关性会下降。
因此，本实施例可以计算多个第二用电量在时间的维度上所表现的单调性，以及，统计多个第二用电量的数量，该数量用于体现单调性的置信度。
若单调性为单调递减且数量大于预设的第三阈值，则表示检测到工厂用电量下降的节点，此后可降低调度至工厂的电量。
若单调性为单调递增且数量大于预设的第四阈值，则表示检测到工厂用电量上升的节点，此后可增加调度至工厂的电量。
在本实施例中，在电子地图中确定工厂所在的第一位置，工厂为用电类别属于工业用电的第一用电户，在电子地图中查找第二位置，以使工厂中的工人在指定的目标时间内从第二位置到达第一位置，在电子地图中、根据第二位置确定工厂中的工人的居住范围，在居住范围内查找用电类别为住宅用电的第二用电户，测量第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，第一参考时间段位于当前时间之前，根据多个第一用电量预测工厂在第二参考时间段内使用的第二用电量，第二参考时间段位于当前时间之后，根据多个第二用电量的单调性对工厂的用电进行调度，参考在工厂中工作的工人流动性较大、且多租住在工厂周围的特性，以及，工人与用电量存在相关性的规律，分析工人在工厂周围可能居住的区域，以该区域中的用电量反映工人的规模，以此预测工厂的用电量，可以确保工厂用电量的准确度，并且，以工厂用电量的单调性进行用电调度，可以保证用电调度启动的及时性，后期可配合其他方式对用电调度进行微调，则可使得用电调度无缝对接。
此外，工厂的生产计划可直接体现在用工计划上，在出现疫情减少用工、新增订单扩大用工等情况下，本实施例也可以通过工人的用电量对工厂预测准确的用电需求，提高工厂用电调度的灵活性。
实施例二
图3为本发明实施例二提供的一种工厂的用电调度装置的结构示意图，该装置具体可以包括如下模块：
第一位置确定模块301，用于在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
第二位置查找模块302，用于在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
居住范围确定模块303，用于在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
用电户查找模块304，用于在所述居住范围内查找用电类别为住宅用电的第二用电户；
第一用电量测量模块305，用于测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，所述第一参考时间段位于当前时间之前；
第二用电量预测模块306，用于根据多个所述第一用电量预测所述工厂在第二参考时间段内使用的多个第二用电量，所述第二参考时间段位于当前时间之后；
用电调度模块307，用于根据多个所述第二用电量的单调性对所述工厂的用电进行调度。
在本发明的一个实施例中，所述目标时间包括第一目标时间、第二目标时间、第三目标时间，所述第二位置包括步行截止位置、自行车截止位置、汽车截止位置；所述第二位置查找模块302包括：
道路查找子模块，用于在电子地图中，查找连接所述第一位置且支持步行的第一道路、支持自行车通行的第二道路、支持汽车通行的第三道路；
第一候选点设置子模块，用于以所述第一位置为起点，沿所述第一道路每间隔预设的第一距离设置第一候选点；
步行截止位置确定子模块，用于若所述工厂中的工人从所述第一候选点出发、在所述第一道路上通过步行到达所述第一位置所使用的第一参考时间与预设的第一目标时间相等，则确定所述第一候选点为步行截止位置；
第二候选点设置子模块，用于以所述第一位置为起点，沿所述第二道路每间隔预设的第二距离设置第二候选点；
自行车截止位置确定子模块，用于若所述工厂中的工人从所述第二候选点出发、在所述第二道路上通过骑自行车到达所述第一位置所使用的第二参考时间与预设的第二目标时间相等，则确定所述第二候选点为自行车截止位置；
第三候选点设置子模块，用于以所述第一位置为起点，沿所述第三道路每间隔预设的第三距离设置第三候选点；
汽车截止位置确定子模块，用于若所述工厂中的工人在第三参考时间内从所述第三候选点出发、在所述第三道路上通过搭乘汽车到达所述第一位置所使用的第三参考时间与预设的第三目标时间相等，则确定所述第三候选点为汽车截止位置。
在本发明的一个实施例中，所述居住范围包括步行居住范围、自行车居住范围、汽车居住范围；所述居住范围确定模块303包括：
步行候选范围获得子模块，用于在所述电子地图中、依次连接各个所述步行截止位置，获得步行候选范围；
步行居住范围设置子模块，用于将位于所述步行候选范围内或与所述步行候选范围相交的行政区域设置为步行居住范围；
自行车候选范围获得子模块，用于在所述电子地图中、依次连接各个所述自行车截止位置，获得自行车候选范围；
自行车参考范围设置子模块，用于将位于所述自行车候选范围内或与所述自行车候选范围相交的行政区域设置为自行车参考范围；
自行车居住范围筛选子模块，用于在所述自行车参考范围内去除所述步行居住范围，获得自行车居住范围；
汽车候选范围获得子模块，用于在所述电子地图中、依次连接各个所述汽车截止位置，获得汽车候选范围；
汽车参考范围设置子模块，用于将位于所述汽车候选范围内或与所述汽车候选范围相交的行政区域设置为汽车参考范围；
汽车居住范围筛选子模块，用于在所述汽车参考范围内去除所述步行居住范围与所述自行车居住范围，获得汽车居住范围。
在本发明的一个实施例中，所述第二用电量预测模块306包括：
长短期记忆网络确定子模块，用于确定长短期记忆网络；
用电户参数确定子模块，用于确定所述第二用电户所处居住范围的类别和居住属性；
权重配置子模块，用于基于所述类别和所述居住属性对所述第一用电量配置权重；
网络处理子模块，用于将多个配置所述权重的第一用电量输入至所述长短期记忆网络中进行处理，以输出所述工厂在第二参考时间段内使用的多个第二用电量。
在本发明的一个实施例中，所述用电户参数确定子模块包括：
电压值查找单元，用于查找所述第二用电户在第三参考时间段内使用的电压值，所述第三参考时间段位于当前时间之前；
电压指标计算单元，用于计算所述电压值的幅度、所述电压值超过预设的上限值时的持续时间；
租赁居住确定单元，用于若所述幅度大于预设的第一阈值、所述持续时间大于预设的第二阈值，则确定所述第二用电户的居住属性为租赁居住；
家庭居住确定单元，用于将除所述租赁居住之外的其他的居住属性设置为家庭居住。
在本发明的一个实施例中，所述居住范围包括步行居住范围、自行车居住范围、汽车居住范围；所述权重配置子模块包括：
第一目标值配置单元，用于若所述类别为所述步行居住范围，则对所述第一用电量配置第一目标值，作为权重；
第二目标值配置单元，用于若所述类别为所述自行车居住范围，则对所述第一用电量配置第二目标值，作为权重，所述第二目标值小于所述第一目标值；
第三目标值配置单元，用于若所述类别为所述汽车居住范围，则对所述第一用电量配置第三目标值，作为权重，所述第三目标值小于所述第二目标值；
权重提高单元，用于若所述居住属性为租赁居住，则提高所述第一用电量的权重；
权重降低单元，用于若所述居住属性为家庭居住，则降低所述第一用电量的权重。
在本发明的一个实施例中，所述用电调度模块307包括：
用电量指标计算子模块，用于计算多个所述第二用电量在时间的维度上所表现的单调性，以及，统计多个所述第二用电量的数量；
电量降低子模块，用于若所述单调性为单调递减且所述数量大于预设的第三阈值，则降低调度至所述工厂的电量；
电量增加子模块，用于若所述单调性为单调递增且所述数量大于预设的第四阈值，则增加调度至所述工厂的电量。
本发明实施例所提供的工厂的用电调度装置可执行本发明任意实施例所提供的工厂的用电调度方法，具备执行方法相应的功能模块和有益效果。
实施例三
图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该计算机设备包括处理器400、存储器401、通信模块402、输入装置403和输出装置404；计算机设备中处理器400的数量可以是一个或多个，图4中以一个处理器400为例；计算机设备中的处理器400、存储器401、通信模块402、输入装置403和输出装置404可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器401作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的工厂的用电调度方法对应的模块（例如，如图3所示的工厂的用电调度装置中的第一位置确定模块301、第二位置查找模块302、居住范围确定模块303、用电户查找模块304、第一用电量测量模块305、第二用电量预测模块306和用电调度模块307）。处理器400通过运行存储在存储器401中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的工厂的用电调度方法。
存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器401可进一步包括相对于处理器400远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块402，用于与显示屏建立连接，并实现与显示屏的数据交互。
输入装置403可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。
输出装置404可以包括扬声器等音频设备。
需要说明的是，输入装置403和输出装置404的具体组成可以根据实际情况设定。
处理器400通过运行存储在存储器401中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的电子白板的连接节点控制方法。
本实施例提供的计算机设备，可执行本发明任一实施例提供的工厂的用电调度方法，具体相应的功能和有益效果。
实施例四
本发明实施例四还提供一种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一种工厂的用电调度方法，该方法包括：
在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
在所述居住范围内查找用电类别为住宅用电的第二用电户；
测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，所述第一参考时间段位于当前时间之前；
根据多个所述第一用电量预测所述工厂在第二参考时间段内使用的多个第二用电量，所述第二参考时间段位于当前时间之后；
根据多个所述第二用电量的单调性对所述工厂的用电进行调度。
当然,本发明实施例所提供的计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的工厂的用电调度方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
值得注意的是，上述工厂的用电调度装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种工厂的用电调度方法，其特征在于，包括：
根据工厂在用电注册时的信息在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
在所述居住范围内查找用电类别为住宅用电的第二用电户；
测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，形成用电量的序列，所述第一参考时间段位于当前时间之前；
根据多个所述第一用电量形成的所述用电量的序列预测所述工厂在第二参考时间段内使用的一个第二用电量，所述第二参考时间段位于当前时间之后；
根据多个所述第二用电量的单调性对所述工厂的用电进行调度；
其中，所述根据多个所述第一用电量形成的所述用电量的序列预测所述工厂在第二参考时间段内使用的一个第二用电量，包括：确定长短期记忆网络，具体的，以所述用电量的序列及其权重作为训练样本，真实的第二用电量作为标签，训练所述长短期记忆网络；确定所述第二用电户所处居住范围的类别和居住属性；基于所述类别和所述居住属性对所述第一用电量配置权重；将多个配置所述权重的第一用电量输入至所述长短期记忆网络中进行处理，以输出所述工厂在第二参考时间段内使用的一个第二用电量；
所述目标时间包括第一目标时间、第二目标时间、第三目标时间，所述第二位置包括步行截止位置、自行车截止位置、汽车截止位置；所述在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置，包括：
在电子地图中，查找连接所述第一位置且支持步行的第一道路、支持自行车通行的第二道路、支持汽车通行的第三道路；
以所述第一位置为起点，沿所述第一道路每间隔预设的第一距离设置第一候选点；
若所述工厂中的工人从所述第一候选点出发、在所述第一道路上通过步行到达所述第一位置所使用的第一参考时间与预设的第一目标时间相等，则确定所述第一候选点为步行截止位置；
以所述第一位置为起点，沿所述第二道路每间隔预设的第二距离设置第二候选点；
若所述工厂中的工人从所述第二候选点出发、在所述第二道路上通过骑自行车到达所述第一位置所使用的第二参考时间与预设的第二目标时间相等，则确定所述第二候选点为自行车截止位置；
以所述第一位置为起点，沿所述第三道路每间隔预设的第三距离设置第三候选点；
若所述工厂中的工人在第三参考时间内从所述第三候选点出发、在所述第三道路上通过搭乘汽车到达所述第一位置所使用的第三参考时间与预设的第三目标时间相等，则确定所述第三候选点为汽车截止位置；
所述居住范围包括步行居住范围、自行车居住范围、汽车居住范围；所述在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围，包括：
在所述电子地图中、依次连接各个所述步行截止位置，获得步行候选范围；具体操作为：随机选择一个步行截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个步行截止位置，步行截止位置之间的连线并不相交，从而形成内部连通的区域，作为步行候选范围；
将位于所述步行候选范围内或与所述步行候选范围相交的行政区域设置为步行居住范围；
在所述电子地图中、依次连接各个所述自行车截止位置，获得自行车候选范围；具体操作为：随机选择一个自行车截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个自行车截止位置，自行车截止位置之间的连线并不相交，从而形成内部连通的区域，作为自行车候选范围；
将位于所述自行车候选范围内或与所述自行车候选范围相交的行政区域设置为自行车参考范围；
在所述自行车参考范围内去除所述步行居住范围，获得自行车居住范围；
在所述电子地图中、依次连接各个所述汽车截止位置，获得汽车候选范围；具体操作为：随机选择一个汽车截止位置为起点，沿顺时针方向或逆时针方向依次使用线段或拟合曲线连接各个汽车截止位置，汽车截止位置之间的连线并不相交，从而形成内部连通的区域，作为汽车候选范围；
将位于所述汽车候选范围内或与所述汽车候选范围相交的行政区域设置为汽车参考范围；
在所述汽车参考范围内去除所述步行居住范围与所述自行车居住范围，获得汽车居住范围。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第二用电户所处居住范围的类别和居住属性，包括：
查找所述第二用电户在第三参考时间段内使用的电压值，所述第三参考时间段位于当前时间之前；
计算所述电压值的幅度、所述电压值超过预设的上限值时的持续时间；
若所述幅度大于预设的第一阈值、所述持续时间大于预设的第二阈值，则确定所述第二用电户的居住属性为租赁居住；
将除所述租赁居住之外的其他的居住属性设置为家庭居住。
3.根据权利要求1所述的方法，其特征在于，所述居住范围包括步行居住范围、自行车居住范围、汽车居住范围；所述基于所述类别和所述居住属性对所述第一用电量配置权重，包括：
若所述类别为所述步行居住范围，则对所述第一用电量配置第一目标值，作为权重；
若所述类别为所述自行车居住范围，则对所述第一用电量配置第二目标值，作为权重，所述第二目标值小于所述第一目标值；
若所述类别为所述汽车居住范围，则对所述第一用电量配置第三目标值，作为权重，所述第三目标值小于所述第二目标值；
若所述居住属性为租赁居住，则提高所述第一用电量的权重；
若所述居住属性为家庭居住，则降低所述第一用电量的权重。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据多个所述第二用电量的单调性对所述工厂的用电进行调度，包括：
计算多个所述第二用电量在时间的维度上所表现的单调性，以及，统计多个所述第二用电量的数量；
若所述单调性为单调递减且所述数量大于预设的第三阈值，则降低调度至所述工厂的电量；
若所述单调性为单调递增且所述数量大于预设的第四阈值，则增加调度至所述工厂的电量。
5.一种工厂的用电调度装置，其特征在于，包括：
第一位置确定模块，用于在电子地图中确定工厂所在的第一位置，所述工厂为用电类别属于工业用电的第一用电户；
第二位置查找模块，用于在所述电子地图中查找第二位置，以使所述工厂中的工人在指定的目标时间内从所述第二位置到达所述第一位置；
居住范围确定模块，用于在所述电子地图中、根据所述第二位置确定所述工厂中的工人的居住范围；
用电户查找模块，用于在所述居住范围内查找用电类别为住宅用电的第二用电户；
第一用电量测量模块，用于测量所述第二用电户在第一参考时间段内多个监测周期所使用的多个第一用电量，形成用电量的序列，所述第一参考时间段位于当前时间之前；
第二用电量预测模块，用于根据多个所述第一用电量形成的所述用电量的序列预测所述工厂在第二参考时间段内使用的一个第二用电量，所述第二参考时间段位于当前时间之后；
用电调度模块，用于根据多个所述第二用电量的单调性对所述工厂的用电进行调度；
其中，所述第二用电量预测模块包括：
长短期记忆网络确定子模块，用于确定长短期记忆网络，具体的，以所述用电量的序列及其权重作为训练样本，真实的第二用电量作为标签，训练所述长短期记忆网络；
用电户参数确定子模块，用于确定所述第二用电户所处居住范围的类别和居住属性；
权重配置子模块，用于基于所述类别和所述居住属性对所述第一用电量配置权重；
网络处理子模块，用于将多个配置所述权重的第一用电量输入至所述长短期记忆网络中进行处理，以输出所述工厂在第二参考时间段内使用的一个第二用电量；
所述第二位置查找模块包括：
道路查找子模块，用于在电子地图中，查找连接所述第一位置且支持步行的第一道路、支持自行车通行的第二道路、支持汽车通行的第三道路；
第一候选点设置子模块，用于以所述第一位置为起点，沿所述第一道路每间隔预设的第一距离设置第一候选点；
步行截止位置确定子模块，用于若所述工厂中的工人从所述第一候选点出发、在所述第一道路上通过步行到达所述第一位置所使用的第一参考时间与预设的第一目标时间相等，则确定所述第一候选点为步行截止位置；
第二候选点设置子模块，用于以所述第一位置为起点，沿所述第二道路每间隔预设的第二距离设置第二候选点；
自行车截止位置确定子模块，用于若所述工厂中的工人从所述第二候选点出发、在所述第二道路上通过骑自行车到达所述第一位置所使用的第二参考时间与预设的第二目标时间相等，则确定所述第二候选点为自行车截止位置；
第三候选点设置子模块，用于以所述第一位置为起点，沿所述第三道路每间隔预设的第三距离设置第三候选点；
汽车截止位置确定子模块，用于若所述工厂中的工人在第三参考时间内从所述第三候选点出发、在所述第三道路上通过搭乘汽车到达所述第一位置所使用的第三参考时间与预设的第三目标时间相等，则确定所述第三候选点为汽车截止位置，
所述居住范围确定模块包括：
步行候选范围获得子模块，用于在所述电子地图中、依次连接各个所述步行截止位置，获得步行候选范围；
步行居住范围设置子模块，用于将位于所述步行候选范围内或与所述步行候选范围相交的行政区域设置为步行居住范围；
自行车候选范围获得子模块，用于在所述电子地图中、依次连接各个所述自行车截止位置，获得自行车候选范围；
自行车参考范围设置子模块，用于将位于所述自行车候选范围内或与所述自行车候选范围相交的行政区域设置为自行车参考范围；
自行车居住范围筛选子模块，用于在所述自行车参考范围内去除所述步行居住范围，获得自行车居住范围；
汽车候选范围获得子模块，用于在所述电子地图中、依次连接各个所述汽车截止位置，获得汽车候选范围；
汽车参考范围设置子模块，用于将位于所述汽车候选范围内或与所述汽车候选范围相交的行政区域设置为汽车参考范围；
汽车居住范围筛选子模块，用于在所述汽车参考范围内去除所述步行居住范围与所述自行车居住范围，获得汽车居住范围。
6.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的工厂的用电调度方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-4中任一所述的工厂的用电调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493363.9A CN111401667B (zh) | 2020-06-03 | 2020-06-03 | 一种工厂的用电调度方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010493363.9A CN111401667B (zh) | 2020-06-03 | 2020-06-03 | 一种工厂的用电调度方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111401667A CN111401667A (zh) | 2020-07-10 |
| CN111401667B true CN111401667B (zh) | 2021-01-08 |
Family
ID=71430012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010493363.9A Active CN111401667B (zh) | 2020-06-03 | 2020-06-03 | 一种工厂的用电调度方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401667B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634089A (zh) * | 2020-12-30 | 2021-04-09 | 珠海大横琴科技发展有限公司 | 一种物业设施的能耗处理方法和装置 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800205B (zh) * | 2012-08-30 | 2015-06-24 | 南京大学 | 基于动态地图界面的车载虚拟终端系统 |
| CN103856896B (zh) * | 2014-03-24 | 2017-07-11 | 南京大学 | 一种Android手机上带有基于地图日程提醒功能的路径时长预测方法 |
| CN106295995A (zh) * | 2016-08-10 | 2017-01-04 | 曼威网络科技（上海）有限公司 | 一种用于确定生产计划的数据分析方法与设备 |
| CN106960252A (zh) * | 2017-03-08 | 2017-07-18 | 深圳市景程信息科技有限公司 | 基于长短时记忆神经网络的电力负荷预测方法 |
| CN106952181A (zh) * | 2017-03-08 | 2017-07-14 | 深圳市景程信息科技有限公司 | 基于长短时记忆神经网络的电力负荷预测系统 |
| CN106971280A (zh) * | 2017-05-09 | 2017-07-21 | 上海交通大学 | 智能电网中公司和用户的实时优化模型和需求响应方法 |
| CN107622329A (zh) * | 2017-09-22 | 2018-01-23 | 深圳市景程信息科技有限公司 | 基于多时间尺度长短时记忆神经网络的电力负荷预测方法 |
| WO2019118827A1 (en) * | 2017-12-15 | 2019-06-20 | Google Llc | Interactive listing of ride service options in a navigation application |
| CN107967542B (zh) * | 2017-12-21 | 2021-07-27 | 国网浙江省电力公司丽水供电公司 | 一种基于长短期记忆网络的售电量预测方法 |
| CN108256697B (zh) * | 2018-03-26 | 2021-07-13 | 电子科技大学 | 一种用于电力系统短期负荷的预测方法 |
| CN108564274B (zh) * | 2018-04-11 | 2022-09-23 | 维沃移动通信有限公司 | 一种客房的预订方法、装置及移动终端 |
| CN108694834A (zh) * | 2018-07-24 | 2018-10-23 | 深圳市显科科技有限公司 | 一种交通诱导信息的显示方法及显示系统 |
| CN109727155A (zh) * | 2018-08-02 | 2019-05-07 | 平安科技（深圳）有限公司 | 基于电量预测的用电控制方法、装置、设备和存储介质 |
| CN109325624A (zh) * | 2018-09-28 | 2019-02-12 | 国网福建省电力有限公司 | 一种基于深度学习的月度电力需求预测方法 |
| CN109376960A (zh) * | 2018-12-06 | 2019-02-22 | 国网北京市电力公司 | 基于lstm神经网络的电网负荷预测方法 |
| CN110490429A (zh) * | 2019-07-29 | 2019-11-22 | 湘潭大学 | 基于ssa算法智能楼宇微电网家用负荷快速调度方法 |
-
2020
- 2020-06-03 CN CN202010493363.9A patent/CN111401667B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111401667A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Hotel location evaluation: A combination of machine learning tools and web GIS | |
| Bellucci et al. | LIFE DYNAMAP project: The case study of Rome | |
| Smith et al. | Treating open space as an urban amenity | |
| Chen et al. | Uncertainty in urban mobility: Predicting waiting times for shared bicycles and parking lots | |
| CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
| CN106997669A (zh) | 一种基于特征重要性的判断交通拥堵成因的方法 | |
| Hu et al. | A two-stage dynamic capacity planning approach for agricultural machinery maintenance service with demand uncertainty | |
| CN105303882A (zh) | 基于时空维度动态停车收费策略的停车管理系统及方法 | |
| CN103606022A (zh) | 一种短期负荷预测方法 | |
| Alajali et al. | On-street car parking prediction in smart city: A multi-source data analysis in sensor-cloud environment | |
| CN110276700A (zh) | 水资源优化配置方法、装置、设备及存储介质 | |
| Sanni-Anibire et al. | Developing a preliminary cost estimation model for tall buildings based on machine learning | |
| CN109191845A (zh) | 一种公交车辆到站时间预测方法 | |
| CN111401667B (zh) | 一种工厂的用电调度方法、装置、计算机设备和存储介质 | |
| CN109271465A (zh) | 一种基于云计算的水文数据分析及展示方法 | |
| Nilsson | The influence of urban and natural amenities on second home prices | |
| CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
| CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
| Ghandeharioun et al. | Link travel time estimation for arterial networks based on sparse GPS data and considering progressive correlations | |
| Xu | Heterogeneity in housing attribute prices: A study of the interaction behaviour between property specifics, location coordinates and buyers’ characteristics | |
| Lu et al. | Exploring spatial and environmental heterogeneity affecting energy consumption in commercial buildings using machine learning | |
| CN108154259B (zh) | 热泵的负荷预测方法及装置、存储介质、处理器 | |
| Maki et al. | A deep reinforced learning spatiotemporal energy demand estimation system using deep learning and electricity demand monitoring data | |
| Peng et al. | Predicting high taxi demand regions using social media check-ins | |
| Patsakos et al. | A survey on deep learning for building load forecasting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |