CN114154738A - 一种数据处理的方法及装置 - Google Patents
一种数据处理的方法及装置 Download PDFInfo
- Publication number
- CN114154738A CN114154738A CN202111507346.7A CN202111507346A CN114154738A CN 114154738 A CN114154738 A CN 114154738A CN 202111507346 A CN202111507346 A CN 202111507346A CN 114154738 A CN114154738 A CN 114154738A
- Authority
- CN
- China
- Prior art keywords
- electricity
- data analysis
- user
- historical
- utilization
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 230000005611 electricity Effects 0.000 claims abstract description 589
- 238000007405 data analysis Methods 0.000 claims abstract description 313
- 238000004364 calculation method Methods 0.000 claims abstract description 158
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 17
- 239000000463 material Substances 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据处理的方法及装置,该方法包括:获取针对用电用户在历史时长段内的历史用电数据,并将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,用电数据分析模型与用电用户对应;根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息;依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型。可见,实施本发明能够从至少一个用电数据分析模型中确定目标用电数据分析模型,可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,能避免出现重复计算的问题,且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。
Description
技术领域
本发明涉及电力优化技术领域,尤其涉及一种数据处理的方法及装置。
背景技术
随着科学技术的进步和发展,大量企业已实现生产机械化,电力资源的消耗也日益增长,针对上述情况,政府也发布了多种用电政策,以鼓励企业科学用电、科学生产。
然而,在计算用电费用时,由于不同的用电政策,所需要的用电数据也不同,计算的方式也不同,因此,需要大量的人力物力去收集不同的用电政策所需的用电数据,并根据不同的用电政策进行不同的计算,计算量大,容易出现重复计算的问题,计算效率低下。
发明内容
本发明所要解决的技术问题在于,提供一种数据处理的方法及装置,能够减少计算量以及提高计算效率,还能避免出现重复计算的问题,减少大量的人力物力资源。
为了解决上述技术问题,本发明第一方面公开了一种数据处理的方法,所述方法包括:
获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;
根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;
依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
获取所述用电用户的用户信息;其中,所述用户信息包括区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息;
根据所述用户信息,从所有所述用电数据分析模型中,确定至少一个与所述用电用户对应的候选用电数据分析模型;
其中,所述将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息,包括:
将所述历史用电数据输入至预置的至少一个候选用电数据分析模型中,得到用户用电信息。
作为一种可选的实施方式,在本发明第一方面中,所述将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息,包括:
从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型;
根据所述历史用电数据,确定所述待预估用电数据分析模型对应的参数预估值;
将所述历史用电数据、所述参数预估值输入至所述待预估用电数据分析模型中进行数据分析,得到用户用电信息。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述历史用电数据,确定所述待预估用电数据分析模型对应的参数预估值,包括:
确定所述用电用户对应的用电类型信息;
根据所述用电类型信息,确定所述待预估用电数据分析模型对应的模型系数;
根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值。
作为一种可选的实施方式,在本发明第一方面中,所有所述用电数据分析模型包括第一容量计算模型和/或第一需量计算模型,所述根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值,包括:
根据所述历史用电数据,确定所述用电用户在所述历史时长段使用的历史用电数据分析模型;所述历史用电数据分析模型包括第二容量计算模型或第二需量计算模型;
在所述历史用电数据分析模型为所述第二容量计算模型且所述待预估用电数据分析模型为所述第一需量计算模型时,根据所述历史用电数据,以及与所述第一需量计算模型对应的模型系数,确定针对所述第一需量计算模型的参数预估值;
在所述历史用电数据分析模型为所述第二需量计算模型且所述待预估用电数据分析模型为所述第一容量计算模型时,根据所述历史用电数据,以及与所述第一容量计算模型对应的模型系数,确定针对所述第一容量计算模型的参数预估值。
作为一种可选的实施方式,在本发明第一方面中,在所述从所述预置的至少一个用电数据分析模型中,确定目标用电数据分析模型之后,所述方法还包括:
在所述目标用电数据分析模型为所述第一需量计算模型时,根据所述用电类型信息,确定与所述用电类型信息对应的申报系数;
根据所述第一需量计算模型的参数预估值和所述申报系数,确定针对所述用电用户接下来预设时长段内的需量申报预估信息;其中,所述需量申报预估信息用于所述用电用户在执行需量申报时提供参考。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述用户用电信息和所述历史用电数据,确定针对所述用电用户的用电预测信息,包括:
根据所述历史用电数据,确定所述用电用户在所述历史时长段内的历史用户用电信息;
比较所述历史用户用电信息和所述用户用电信息,得到针对所述用电用户的比较结果;
根据所述比较结果,确定针对所述用电用户的用电预测信息。
本发明第二方面公开了一种数据处理的装置,所述装置包括:
获取模块,用于获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;
预估模块,用于根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;
确定模块,用于依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型。
作为一种可选的实施方式,在本发明第二方面中,所述获取模块还用于获取所述用电用户的用户信息;其中,所述用户信息包括区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息;
所述确定模块还用于根据所述用户信息,从所有所述用电数据分析模型中,确定至少一个与所述用电用户对应的候选用电数据分析模型;
其中,所述获取模块中所述将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息的方式具体为:
将所述历史用电数据输入至预置的至少一个候选用电数据分析模型中,得到用户用电信息。
作为一种可选的实施方式,在本发明第二方面中,所述获取模块包括:
模型获取子模块,用于从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型;
预估值获取子模块,用于根据所述历史用电数据,确定所述待预估用电数据分析模型对应的参数预估值;
分析子模块,用于将所述历史用电数据、所述参数预估值输入至所述待预估用电数据分析模型中进行数据分析,得到用户用电信息。
作为一种可选的实施方式,在本发明第二方面中,所述预估值获取子模块包括:
用电类型获取单元,用于确定所述用电用户对应的用电类型信息;
模型系数获取单元,用于根据所述用电类型信息,确定所述待预估用电数据分析模型对应的模型系数;
参数预估值获取单元,用于根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值。
作为一种可选的实施方式,在本发明第二方面中,所有所述用电数据分析模型包括第一容量计算模型和/或第一需量计算模型,所述参数预估值获取单元中所述根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值的方式具体为:
根据所述历史用电数据,确定所述用电用户在所述历史时长段使用的历史用电数据分析模型;所述历史用电数据分析模型包括第二容量计算模型或第二需量计算模型;在所述历史用电数据分析模型为所述第二容量计算模型且所述待预估用电数据分析模型为所述第一需量计算模型时,根据所述历史用电数据,以及与所述第一需量计算模型对应的模型系数,确定针对所述第一需量计算模型的参数预估值;在所述历史用电数据分析模型为所述第二需量计算模型且所述待预估用电数据分析模型为所述第一容量计算模型时,根据所述历史用电数据,以及与所述第一容量计算模型对应的模型系数,确定针对所述第一容量计算模型的参数预估值。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于在所述目标用电数据分析模型为所述第一需量计算模型时,根据所述用电类型信息,确定与所述用电类型信息对应的申报系数;根据所述第一需量计算模型的参数预估值和所述申报系数,确定针对所述用电用户接下来预设时长段内的需量申报预估信息;其中,所述需量申报预估信息用于所述用电用户在执行需量申报时提供参考。
作为一种可选的实施方式,在本发明第二方面中,所述预估模块中所述根据所述用户用电信息和所述历史用电数据,确定针对所述用电用户的用电预测信息的方式具体为:
根据所述历史用电数据,确定所述用电用户在所述历史时长段内的历史用户用电信息;比较所述历史用户用电信息和所述用户用电信息,得到针对所述用电用户的比较结果;根据所述比较结果,预估针对所述用电用户接下来预设时长段内的用电预测信息。
本发明第三方面公开了另一种数据处理的装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的数据处理的方法中的部分或全部步骤。
本发明第四方面公开了一种计算机可存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的数据处理的方法中的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型。可见,实施本发明能够从至少一个用电数据分析模型中确定目标用电数据分析模型,进而可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,还能避免出现重复计算的问题,并且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是本发明实施例公开的一种数据处理的方法的流程示意图;
图2是本发明实施例公开的另一种数据处理的方法的流程示意图;
图3是本发明实施例公开的一种数据处理的装置的结构示意图;
图4是本发明实施例公开的另一种数据处理的装置的结构示意图;
图5是本发明实施例公开的又一种数据处理的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种数据处理的方法及装置,能够从至少一个用电数据分析模型中确定目标用电数据分析模型,进而可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,还能避免出现重复计算的问题,并且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种数据处理的方法的流程示意图。其中,图1所描述的数据处理的方法可以应用于用电用户的电力管理系统、工业互联网平台中,工业互联网平台可以与用电用户通讯连接以及与电力部门通讯连接,本发明实施例不做限定。如图1所示,该数据处理的方法可以包括以下操作:
步骤101,获取针对用电用户在历史时长段内的历史用电数据,并将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息。
其中,历史用电数据可以为用电用户在历史时长段内与用电相关的数据,历史用电数据可以包括用电用户在历史时长段内的峰/平/谷有功电量、正向峰/平/谷电能底度数、总无功电量、当月天数、阶梯门槛值、峰/平/谷期日小时数、变压器容量、用电单价、电费、申报需量等,用户用电信息可以表示为用电用户在历史时长段内的用电情况,用户用电信息可以包括用电用户的电量信息、电费信息等,用电数据分析模型可以与用电用户对应,用电数据分析模型可以为用于对用电用户的用电数据进行计算分析的模型,历史时长段可以为用电用户在过去一段时间内的某段时长段,且该时长段的长度可以为人为设定的。
例如,在当前为2021年时,历史时长段可以为用电用户在2020年11月1日至2020年11月30日期间的时长段,也可以为用电用户在2019年11月1日至2020年11月1日期间的时长段。
在实际应用中,用电用户的电力管理系统可以通过智能网关与工业互联网平台实时通讯连接,也可以在与工业互联网平台建立通讯连接后,再通过工业互联网平台与电力部门通讯连接,进而可以在建立实时通讯连接后,获取存储在电力管理系统或工业互联网平台或电力部门中,针对用电用户在历史时长段内的历史用电数据。
在获取历史用电数据后,可以将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息。
在具体实施中,通过与工业互联网平台或电力部门通讯连接,可以实时获取当前或过去所使用的至少一个用电规则,进而可以根据所有用电规则,生成与用电规则对应的用电数据分析模型,并将所生成的用电数据分析模型预置在电力管理系统或工业互联网平台或电力部门中。
具体的,电费信息可以通过如下公式确定:
总电费=电度电费+基本电费+力调电费+政策性基金及附加费;
其中,总电费可以为用电用户当月需要缴纳的电费信息,电度电费可以表示为基于使用电量所确定的电费信息,基本电费可以为基于不同的用电规则所确定的电费信息,力调电费可以为基于考核比例所确定的电费信息,政策性基金及附加费可以为基于用电用户所处当地的政策基金所确定的电费信息。
具体的,电度电费可以通过如下公式确定:
电度电费=月度峰期1电量×峰期1单价+月度峰期2电量×峰期2单价+月度平期1电量×平期1单价+月度平期2电量×平期2单价+月度谷期1电量×谷期1单价+月度谷期2电量×谷期2单价;
其中,峰/平/谷电量可以通过次月的峰/平/谷电量电能底度数与当月的峰/平/谷电量电能底度数确定,月度峰期1电量与月度峰期2电量可以为基于不同的用电阶梯所对应的电量,历史用户数据中的单价可以包括与峰/平/谷电量对应的单价。
具体的,基本电费可以通过如下公式确定:
基本电费=变压器容量×单价,或,基本电费=最大需量×单价;
其中,变压器容量可以为当月的变压器容量总量,最大需量可以为当月记录的最大的有功功率,历史用户数据中的单价还可以包括与不同的用电规则所对应的单价。
在具体实施中,可以预先确定当月使用的用电规则,进而可以确定与该用电规则所对应的公式,以及与该用电规则所对应的单价,例如,在当月使用的用电规则为基于容量计算的规则时,可以确定当月使用的公式为:基本电费=变压器容量×单价,以及确定该用电规则所对应的单价,进而可以确定当月的基本电费,同理可得当月的用电规则为基于需量计算的规则时所确定的基本电费。
具体的,力调电费可以通过如下公式确定:
力调电费=考核比例×(电度电费+基本电费);
其中,考核比例可以为用电用户所处当地的供电部门根据当月的功率因数值所确定的比例。
具体的,政策性基金及附加费可以通过如下公式确定:
政策性基金及附加费=电量×基金电价;
其中,电量可以为当月用电的总电量,基金电价可以为用电用户所处当地的政策基金所对应的单价。
在一个可选的实施例中,所述方法还可以包括如下步骤:
获取用电用户的用户信息;根据用户信息,从所有用电数据分析模型中,确定至少一个与用电用户对应的候选用电数据分析模型。
其中,用户信息可以包括区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息,区域信息可以表示为用电用户所处的地方区域,供电类型信息可以表示为用电用户在不同时段的供电类型,设备类型信息可以为表示为用电用户所使用的设备的类型,设备数量信息可以为表示为用电用户所使用的设备的数量,用电类型信息可以为表示为用电用户的经营类型,如全年24小时经营类型、24小时经营且周末休息类型、白晚班经营类型等,候选用电数据分析模型可以为适用于用电用户的用电数据分析模型。
在实际应用中,可以获取用电用户的用户信息,进而可以根据用户信息中的区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息,从所有用电数据分析模型中,确定至少一个适用于用电用户的用电数据分析模型,即为与用电用户对应的候选用电数据分析模型。
在具体实施中,由于每个地方针对不同的用电用户会具有不同的用电规则,导致与用电规则对应的用电数据分析模型所需的用电数据也会不同,进而可以根据用电用户的用户信息,确定适用于用电用户的用电数据分析模型,以避免因使用不适用于用电用户的用电数据分析模型而进行的无关计算的情况,即可以避免计算大量无关的数据,以及浪费计算机资源的问题,而且也不需获取与不适用于用电用户的用电数据分析模型所需的用电数据,减少大量的人力物力资源。
例如,在区域信息为广东省区域时,则可以从所有用电数据分析模型中,确定与广东省区域对应的用电数据分析模型,即为适用于用电用户的用电数据分析模型,在根据设备数量信息所确定的设备的数量大于预设区间时,则可以认为用电用户的用电规模,进而可以从所有用电数据分析模型中,确定适用于该用电规模的用电数据分析模型,即为适用于用电用户的用电数据分析模型。
其中,步骤101可以包括如下子步骤:
将历史用电数据输入至预置的至少一个候选用电数据分析模型中,得到用户用电信息。
在从预置的所有用电数据分析模型中,可以确定至少一个候选用电数据分析模型后,可以将历史用电数据输入至至少一个候选用电数据分析模型中,进而可以得到至少一个用户用电信息。
在实际应用中,在确定多个候选用电数据分析模型后,可以仅将历史用电数据输入至其中一个或多个候选用电数据分析模型中,进而可以得到一个或多个用户用电信息,也可以输入至所有候选用电数据分析模型中,进而可以得到每个候选用电数据分析模型对应的用户用电信息。
作为一种可选的实施方式,步骤101还可以包括如下子步骤:
子步骤11,从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型。
其中,待预估用电数据分析模型可以为在进行用电数据的数据分析时,需要对某个参数进行预估的用电数据分析模型。
在实际应用中,可以从预置的至少一个用电数据分析模型中,确定需要进行参数预估的用电数据分析模型,即为待预估用电数据分析模型。
在一个可选的实施例中,也可以从至少一个候选用电数据分析模型中,确定需要进行参数预估的候选用电数据分析模型,即为待预估用电数据分析模型。
子步骤12,根据历史用电数据,确定待预估用电数据分析模型对应的参数预估值。
其中,参数预估值可以为待预估用电数据分析模型在进行用电数据的数据分析时需要进行预估的参数的预估值。
在确定待预估用电数据分析模型后,可以根据历史用电数据,确定待预估用电数据分析模型对应的参数预估值,例如,可以根据历史用电数据中的峰/平/谷有功电量等信息,确定用电用户在历史时长段内的用电情况,以及确定用电用户在历史时长段内的用电习惯,进而可以基于用电用户在历史时长段内的用电情况和用电习惯,预估用电用户在接下来预设时长段内的用电情况,以根据所预估的用电情况,确定待预估用电数据分析模型对应的参数预估值。
子步骤13,将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息。
在确定参数预估值后,可以将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息。
在具体实施中,通过结合待预估用电数据分析模型的参数预估值进行数据分析,可以使得所得到的用户用电信息更为准确。
步骤102,根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息。
其中,接下来预设时长段可以为用电用户在未来一段时间内的某段时长段,且该时长段的长度可以为人为设定的。
在得到用户用电信息后,可以对历史用电数据和用户用电信息进行比较,以根据比较结果,预估针对用电用户接下来预设时长段内的用电预测信息。
在一个可选的实施例中,步骤102可以包括如下子步骤:
子步骤21,根据历史用电数据,确定用电用户在历史时长段内的历史用户用电信息。
其中,历史用户用电信息可以包括用电用户在历史时长段内的电量信息、电费信息等,历史用户用电信息可以为将用电用户在历史时长段内的电量信息、电费信息输入至用电用户在历史时长段内所使用的用电数据分析模型得到的。
在实际应用中,用电用户在历史时长段内的所使用的电量以及缴纳的电费是定值,进而可以根据历史用电数据中的峰/平/谷有功电量、总无功电量,以及电费等信息,确定用电用户在历史时长段内的历史用户用电信息。
例如,在本月为2021年10月时,可以通过历史用电数据,确定用电用户在2020年11月期间所使用的电量以及所缴纳电费。
子步骤22,比较历史用户用电信息和用户用电信息,得到针对用电用户的比较结果。
其中,比较结果可以为历史用户用电信息与用户用电信息之间的区别,例如,历史用户用电信息中电费信息的值大于用户用电信息中电费信息的值,或,历史用户用电信息中电费信息的值等于用户用电信息中电费信息的值,或,历史用户用电信息中电费信息的值小于用户用电信息中电费信息的值。
在确定历史用户用电信息和用户用电信息后,可以对历史用电数据和用户用电信息进行比较,得到针对用电用户的比较结果。
在实际应用中,通过使用至少一个用电数据分析模型所得到的用户用电信息可以与历史时长段内的所使用的电量以及缴纳的电费不同,进而可以通过对历史用电数据和用户用电信息进行比较,且由于可以得到一个或多个用户用电信息,进而可以得到每个用电数据分析模型所得到的用户用电信息与历史用电数据之间的区别的比较结果。
子步骤23,根据比较结果,预估针对用电用户接下来预设时长段内的用电预测信息。
在得到比较结果后,可以根据比较结果,预估针对用电用户接下来预设时长段内的用电预测信息。
例如,在本月为2021年10月时,可以通过历史用电数据,确定用电用户在2020年11月期间所使用的电量以及所缴纳电费,可以通过将历史用电数据输入至少一个用电数据分析模型,得到用户用电信息,进而可以对历史用电数据与用户用电信息进行比较,以根据所得到的比较结果,预估针对用电用户在未来11月时的用电预测信息。
在实际应用中,由于可以得到每个用户用电信息与历史用电数据的比较结果,进而可以根据每个比较结果,预估针对用电用户接下来预设时长段内的用电预测信息。
在一个可选的实施例中,在得到的比较结果为历史用户用电信息中电费信息的值大于用户用电信息中电费信息的值时,则可以认为所有用电数据分析模型中存在一个相对于用电用户在历史时长段内使用的用电数据分析模型更优的用电数据分析模型,进而可以预估用电用户在接下来预设时长段内使用相对于用电用户在历史时长段内使用的用电数据分析模型更优的用电数据分析模型进行数据分析更优,即为针对用电用户接下来预设时长段内的用电预测信息。
在得到的比较结果为历史用户用电信息中电费信息的值小于用户用电信息中电费信息的值时,则可以认为用电用户在历史时长段内使用的用电数据分析模型相对于其他的用电数据分析模型更优,进而可以预估用电用户在接下来预设时长段内使用在历史时长段内使用的用电数据分析模型进行数据分析更优,即为针对用电用户接下来预设时长段内的用电预测信息。
在得到的比较结果为历史用户用电信息中电费信息的值等于用户用电信息中电费信息的值时,则可以认为用户用电在历史时长段内使用的用电数据分析模型与其他的用电数据分析模型表现相同,进而可以预估用电用户可以在接下来预设时长段内使用任何一个用电数据分析模型进行数据分析,即为针对用电用户接下来预设时长段内的用电预测信息。
在实际应用中,由于可以得到每个用户用电信息与历史用电数据的比较结果,进而可以根据每个比较结果,确定是否存在历史用户用电信息中电费信息的值大于用户用电信息中电费信息的值,在存在历史用户用电信息中电费信息的值大于任意一个用户用电信息中电费信息的值时,则可以认为所有用电数据分析模型中存在一个相对于用电用户在历史时长段内使用的用电数据分析模型更优的用电数据分析模型
步骤103,依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型。
其中,目标用电数据分析模型可以为所有用电数据分析模型中对接下来预设时长段内的用电数据进行数据分析最优的用电数据分析模型。
在确定用电预测信息后,可以依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型。
在实际应用中,在预估接下来预设时长段内使用相对于历史时长段内使用的用电数据分析模型更优的用电数据分析模型所进行的数据分析更优后,可以将一个或多个用电用户信息进行比较,进而可以根据用电用户信息的比较结果,确定电费信息的值最小的用电用户信息,以及确定电费信息的值最小的用电用户信息所对应的用电数据分析模型,即为目标用电数据分析模型。
在预估接下来预设时长段内使用在历史时长段内使用的用电数据分析模型所进行得数据分析更优后,可以从所有用电数据分析模型中确定在历史时长段内使用的用电数据分析模型,即为目标用电数据分析模型。
在确定目标用电数据分析模型后,可以在接下来预设时长段内,仅使用目标用电数据分析模型进行数据分析,以及仅需要获取目标用电数据分析模型进行数据分析所需的用电数据,提高了计算效率,节省了大量的人力物力。
可见,该可选的实施例能够获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型,实现了从至少一个用电数据分析模型中确定目标用电数据分析模型,进而可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,还能避免出现重复计算的问题,并且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。
实施例二
请参阅图2,图2是本发明实施例公开的另一种数据处理的方法的流程示意图。如图2所示,该数据处理的方法可以包括以下操作:
步骤201,获取针对用电用户在历史时长段内的历史用电数据。
步骤202,从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型。
其中,所有用电数据分析模型可以包括第一容量计算模型和/或第一需量计算模型,第一容量计算模型可以与用电规则中容量计算规则对应,第一需量计算模型可以与用电规则中需量计算规则对应,参数预估的过程可以包括针对容量计算规则中的负载参数的预估过程、针对需量计算规则中的需量参数的预估过程。
在实际应用中,可以从预置的至少一个用电数据分析模型中,确定需要进行负载参数预估和/或需量参数预估的用电数据分析模型,即为待预估用电数据分析模型。
步骤203,确定用电用户对应的用电类型信息。
在实际应用中,可以根据历史用电数据,确定用电用户对应的用电类型信息,也可以确定预置在电力管理系统和/或工业互联网平台中的用电类型信息。
步骤204,根据用电类型信息,确定待预估用电数据分析模型对应的模型系数。
其中,模型系数可以与用电类型信息以及待预估用电数据分析模型对应,模型系数可以包括与第一容量计算模型对应的模型系数,和/或,与第一需量计算模型对应的模型系数。
在确定用电类型信息后,可以根据用电类型信息,确定待预估用电数据分析模型对应的模型系数。
在实际应用中,在待预估用电数据分析模型为第一需量计算模型时,当用电类型信息为全年24小时经营类型,则模型系数的取值范围可以为0.90至0.95,一般取0.95,当用电类型信息为24小时经营且周末休息类型,则模型系数的取值范围可以为0.85至0.90,一般取0.9,当用电类型信息为白晚班经营类型,则模型系数的取值范围可以为0.80至0.85,一般取0.85。
在待预估用电数据分析模型为第一容量计算模型时,当用电类型信息为全年24小时经营类型,则模型系数的取值范围可以为1.00至1.05,一般取1.05,当用电类型信息为24小时经营且周末休息类型,则模型系数的取值范围可以为1.06至1.15,一般取1.15,当用电类型信息为白晚班经营类型,则模型系数的取值范围可以为1.16至1.25,一般取1.25。
步骤205,根据历史用电数据和模型系数,确定待预估用电数据分析模型对应的参数预估值。
在确定模型系数后,可以根据历史用电数据和模型系数,确定待预估用电数据分析模型对应的参数预估值。
作为一种可选的实施方式,步骤205可以包括如下子步骤:
子步骤31,根据历史用电数据,确定用电用户在历史时长段使用的历史用电数据分析模型。
其中,历史用电数据分析模型可以为用电用户在历史时长段使用的用电数据分析模型,历史用电数据分析模型可以包括第二容量计算模型或第二需量计算模型。
在获取历史用电数据后,可以根据历史用电数据,确定用电用户在历史时长段使用的历史用电数据分析模型。
在实际应用中,用电用户在历史时长段使用的用电规则是已经发生的,即用电用户在历史时长段使用的用电规则固定的,进而在历史时长段使用的用电数据分析模型也是固定的,可以根据历史用电数据,确定用电用户在历史时长段使用的用电数据分析模型,即为历史用电数据分析模型。
子步骤32,在历史用电数据分析模型为第二容量计算模型且待预估用电数据分析模型为第一需量计算模型时,根据历史用电数据,以及与第一需量计算模型对应的模型系数,确定针对第一需量计算模型的参数预估值。
在确定历史用电数据分析模型为第二容量计算模型且待预估用电数据分析模型为第一需量计算模型时,可以根据峰/平/谷有功电量,确定峰/平/谷的平均负载,进而可以根据峰/平/谷的平均负载中的最大值、模型系数以及阶梯门槛值,确定用电用户在历史时长段的最大负载,可以根据最大负载以及与第一需量计算模型对应的模型系数,对第一需量计算模型的需量参数进行预估。
具体的,可以通过以下公式确定平均负载:
峰期平均负载=峰期有功电量/当月峰期小时数;
平期平均负载=平期有功电量/当月平期小时数;
谷期平均负载=谷期有功电量/当月谷期小时数;
当月峰/平/谷期小时数=当月天数×峰/平/谷期日小时数;
在实际应用中,还可以根据月度峰/平/谷期2电量进行判断,在月度峰/平/谷期2电量均为0时,则可以认为不存在计费阶梯门槛,在存在任意一个月度峰/平/谷期2电量大于0时,则可以认为存在计费阶梯门槛。
具体的,在不存在计费阶梯门槛时,可以通过以下公式确定最大负载:
当月最大负载=峰/平/谷期中平均负载的最大值+(当月总电量/阶梯门槛值-峰/平/谷期中平均负载的最大值)×系数K1;
当月总电量=下月1日0点正向总电能底度数-当月1日0点正向总电能底度数;
其中,最大负载可以为当月最大负载,当月总电量可以为当月使用的电量总量,系数K1可以为与第一需量计算模型对应的模型系数,当用电类型信息为全年24小时经营时,K1范围为0.40~0.50,一般取0.50,当用电类型信息为24小时经营且周末休息时,K1范围为0.50~0.70,一般取0.70,当用电类型信息为白晚班类型时,K1范围为0.70~1.00,一般取1.00。
具体的,在存在计费阶梯门槛时,可以通过以下公式确定最大负载:
当月最大负载=任意一个大于0的月度峰/平/谷期1电量×24/(计费阶梯门槛×该月度峰/平/谷期日小时数);
具体的,可以通过以下公式对第一需量计算模型的需量参数进行预估:
最大需量=最大负载×系数K1`;
其中,最大需量可以为对第一需量计算模型的需量参数进行预估的值,系数K1`可以为与第一需量计算模型对应的模型系数,当用电类型信息为全年24小时经营类型,则模型系数的取值范围可以为0.90至0.95,一般取0.95,当用电类型信息为24小时经营且周末休息类型,则模型系数的取值范围可以为0.85至0.90,一般取0.9,当用电类型信息为白晚班经营类型,则模型系数的取值范围可以为0.80至0.85,一般取0.85。
作为一种可选的实施方式,在确定历史用电数据分析模型为第二容量计算模型且待预估用电数据分析模型为第一容量计算模型时,则可以认为通过第一容量计算模型对历史用电数据进行数据分析所得到的结果,与用电用户在历史时长段使用第二容量计算模型所得到的结果相同,均为使用容量计算的用电规则,因此,在确定历史用电数据分析模型为第二容量计算模型且待预估用电数据分析模型为第一容量计算模型时,无需进行操作,以避免浪费计算机资源。
在一个可选的实施例中,在确定历史用电数据分析模型为第二容量计算模型时,可以从所有用电数据分析模型中,确定是否存在第一需量计算模型,进而可以在确定存在第一需量计算模型时,执行根据历史用电数据,以及与第一需量计算模型对应的模型系数,确定针对第一需量计算模型的参数预估值的步骤。
子步骤33,在历史用电数据分析模型为第二需量计算模型且待预估用电数据分析模型为第一容量计算模型时,根据历史用电数据,以及与第一容量计算模型对应的模型系数,确定针对第一容量计算模型的参数预估值。
在确定历史用电数据分析模型为第二需量计算模型且待预估用电数据分析模型为第一容量计算模型时,可以根据历史用电数据以及与第一容量计算模型对应的模型系数,对第一容量计算模型的负载参数进行预估。
在实际应用中,在确定历史用电数据分析模型为第二需量计算模型时,则可以确定在历史时长段使用第二需量计算模型进行数据分析,进而可以得到历史时长段内的最大需量,可以根据最大需量以及与第一容量计算模型对应的模型系数,对第一容量计算模型的负载参数进行预估。
具体的,可以通过以下公式对第一容量计算模型的负载参数进行预估:
最大负载=最大需量×系数K2;
其中,系数K2可以为与第一容量计算模型对应的模型系数,当用电类型信息为全年24小时经营类型,则模型系数的取值范围可以为1.00至1.05,一般取1.05,当用电类型信息为24小时经营且周末休息类型,则模型系数的取值范围可以为1.06至1.15,一般取1.15,当用电类型信息为白晚班经营类型,则模型系数的取值范围可以为1.16至1.25,一般取1.25。
同理,作为一种可选的实施方式,在确定历史用电数据分析模型为第二需量计算模型且待预估用电数据分析模型为第一需量计算模型时,则可以认为通过第一需量计算模型对历史用电数据进行数据分析所得到的结果,与用电用户在历史时长段使用第二需量计算模型所得到的结果相同,均为使用需量计算的用电规则,因此,在确定历史用电数据分析模型为第二需量计算模型且待预估用电数据分析模型为第一需量计算模型时,无需进行操作,以避免浪费计算机资源。
在一个可选的实施例中,在确定历史用电数据分析模型为第二需量计算模型时,可以从所有用电数据分析模型中,确定是否存在第一容量计算模型,进而可以在确定存在第一容量计算模型时,执行根据历史用电数据,以及与第一容量计算模型对应的模型系数,确定针对第一容量计算模型的参数预估值的步骤。
步骤206,将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息。
在确定参数预估值后,可以将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息。
作为一种可选的实施方式,在待预估用电数据分析模型为第一容量计算模型时,还可以根据历史用电数据中的当月总电量、阶梯门槛值以及已进行预估的最大负载,判断使用容量计算的用电规则时是否存在阶梯用电。
具体的,可以通过以下公式进行判断:
当月每千瓦电量=当月总电量/最大负载;
其中,在当月每千瓦电量大于阶梯门槛值时,则可以认为存在阶梯用电,在当月每千瓦电量小于阶梯门槛值时,则可以认为不存在阶梯用电。
在判断存在阶梯用电时,则需要对峰/平/谷期电量进行阶梯分摊电量的确定,具体的,可以通过以下公式确定峰/平/谷期阶梯分摊电量:
峰期阶梯分摊电量=阶梯门槛值×当月最大负载/(a/24);
平期阶梯分摊电量=阶梯门槛值×当月最大负载/(b/24);
谷期阶梯分摊电量=阶梯门槛值×当月最大负载/(c/24);
其中,在待预估用电数据分析模型为第一容量计算模型时,阶梯门槛值可以取250KWh,a、b、c可以为每日峰/平/谷期的小时数,具体的,a、b、c可以与区域信息对应,例如,在区域信息为深圳市时,则可以确定深圳市对应的每日峰期的小时数为7,即a可以取7,同理可得b与c的取值。
在得到峰/平/谷期阶梯分摊电量后,可以分别对峰/平/谷期阶梯分摊电量与历史用电数据中的峰/平/谷有功电量进行比较,以根据峰/平/谷期阶梯分摊电量与历史用电数据中的峰/平/谷有功电量的比较结果,确定月度峰/平/谷期1电量以及月度峰/平/谷期2电量。
在具体实施中,在峰期阶梯分摊电量大于峰期有功电量时,则可以确定月度峰期1电量为峰期阶梯分摊电量,月度峰期2电量为峰期有功电量与月度峰期1电量的差,在峰期阶梯分摊电量小于等于峰期有功电量时,则可以确定月度峰期1电量为峰期有功电量,月度峰期2电量为0,同理可得平/谷期1电量以及月度峰/平/谷期2电量。
在判断不存在阶梯用电时,则可以确定月度峰期1电量为当月峰期有功电量,月度峰期2电量为0,同理可得平/谷期1电量以及月度峰/平/谷期2电量。
作为一种可选的实施方式,在待预估用电数据分析模型为第一需量计算模型时,还可以根据历史用电数据中的当月总电量、阶梯门槛值以及已进行预估的最大需量,判断使用需量计算的用电规则时是否存在阶梯用电。
具体的,可以通过以下公式进行判断:
当月每千瓦电量=当月总电量/最大需量;
其中,在当月每千瓦电量大于阶梯门槛值时,则可以认为存在阶梯用电,在当月每千瓦电量小于阶梯门槛值时,则可以认为不存在阶梯用电。
在判断存在阶梯用电时,则需要对峰/平/谷期电量进行阶梯分摊电量的确定,具体的,可以通过以下公式确定峰/平/谷期阶梯分摊电量:
峰期阶梯分摊电量=阶梯门槛值×当月最大需量/(a/24);
平期阶梯分摊电量=阶梯门槛值×当月最大需量/(b/24);
谷期阶梯分摊电量=阶梯门槛值×当月最大需量/(c/24);
其中,在待预估用电数据分析模型为第一容量计算模型时,阶梯门槛值可以取400KWh,a、b、c可以为每日峰/平/谷期的小时数,具体的,a、b、c可以与区域信息对应,例如,在区域信息为深圳市时,则可以确定深圳市对应的每日峰期的小时数为7,即a可以取7,同理可得b与c的取值。
在得到峰/平/谷期阶梯分摊电量后,可以分别对峰/平/谷期阶梯分摊电量与历史用电数据中的峰/平/谷有功电量进行比较,以根据峰/平/谷期阶梯分摊电量与历史用电数据中的峰/平/谷有功电量的比较结果,确定月度峰/平/谷期1电量以及月度峰/平/谷期2电量。
在具体实施中,在峰期阶梯分摊电量大于峰期有功电量时,则可以确定月度峰期1电量为峰期阶梯分摊电量,月度峰期2电量为峰期有功电量与月度峰期1电量的差,在峰期阶梯分摊电量小于等于峰期有功电量时,则可以确定月度峰期1电量为峰期有功电量,月度峰期2电量为0,同理可得平/谷期1电量以及月度峰/平/谷期2电量。
在判断不存在阶梯用电时,则可以确定月度峰期1电量为当月峰期有功电量,月度峰期2电量为0,同理可得平/谷期1电量以及月度峰/平/谷期2电量。
在得到月度峰/平/谷期1电量以及月度峰/平/谷期2电量后,可以将月度峰/平/谷期1电量以及月度峰/平/谷期2电量输入至用于确定电度电费的公式中,以得到电度电费,进而可以电度电费得到用户用电信息。
在实际应用中,通过将依据已进行预估的参数所得到的月度峰/平/谷期电量,输入至待预估用电数据分析模型中进行数据分析,能够得到更为准确的用户用电信息。
步骤207,根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息。
步骤208,依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型。
在一个可选的实施例中,在步骤208之后,还可以包括如下步骤:
在目标用电数据分析模型为第一需量计算模型时,根据历史用电数据,确定需量环比信息,根据需量环比信息,确定与需量环比信息对应的申报系数,根据第一需量计算模型的参数预估值和申报系数,确定针对用电用户接下来预设时长段内的需量申报预估信息,其中,需量申报预估信息可以用于用电用户在执行需量申报时提供参考,申报系数可以与需量环比信息对应。
在确定目标用电数据分析模型为第一需量计算模型后,可以根据历史用电数据,确定需量环比信息。
在实际应用中,历史用电数据可以包括过去12个月的最大需量,进而可以确定每个月的最大需量的环比比例,而在接下来预设时长段为11月时,则可以确定历史时长段为过去的10月至11月的最大需量的环比比例,即为接下来预设时长段为11月的需量环比信息。
在确定需量环比信息后,可以根据需量环比信息,确定与需量环比信息对应的申报系数,例如,在需量环比信息大于10%时,则可以确定与该需量环比信息对应的申报系数的取值范围为1.05至1.10,一般取1.1,在需量环比信息处于5%~10%时,则可以确定与该需量环比信息对应的申报系数的取值范围为0.99至1.01,一般取1.01,在需量环比信息小于5%,则可以确定与该需量环比信息对应的申报系数的取值范围为0.96至0.99,一般取0.99。
在确定申报系数后,可以根据第一需量计算模型的参数预估值和申报系数,确定针对用电用户接下来预设时长段内的需量申报预估信息,进而用电用户在执行需量申报时可以参考需量申报预估信息进行申报。
具体的,可以通过如下公式确定需量申报预估信息:
申报需量=系数K2×最大需量;
其中,系数K2可以为申报系数,最大需量可以为第一需量计算模型的参数预估值,申报需量可以表示为需量申报预估信息。
作为一种可选的实施方式,除了可以对申报需量进行预估外,还可以根据历史用电数据对用电用户接下来预设时长段内的最大需量进行预估。
在实际应用中,可以根据历史用电数据,确定同比最大需量、同比系数、环比系数以及用电系数,其中,同比最大需量可以为历史用电数据中与接下来预设时长段对应的最大需量,同比系数可以为在历史时长段内的最大需量的比值,在历史时长段内的最大需量可以为历史用电数据中的最大需量或第一需量计算模型的参数预估值,环比系数可以为在历史时长段内的环比比例的比值,用电系数可以与用电类型信息对应,当用电类型信息为全年24小时经营类型,则用电系数的取值范围可以为1.00至1.005,一般取1.005,当用电类型信息为24小时经营且周末休息类型,则模型系数的取值范围可以为1.005至1.015,一般取1.015,当用电类型信息为白晚班经营类型,则模型系数的取值范围可以为1.015至1.02,一般取1.02。
例如,在2021年11月预估下个月的最大需量时,同比最大需量可以为2020年12月的最大需量,同比系数可以为2021年11月的最大需量与2020年11月的最大需量的比值,环比系数可以为2021年11月的环比比例与2020年11月的环比比例的比值。
在确定同比最大需量、同比系数、环比系数以及用电系数后,可以根据同比最大需量、同比系数、环比系数以及用电系数,对用电用户接下来预设时长段内的最大需量进行预估,得到最大需量预估值。
具体的,可以通过如下公式确定最大需量预估值:
下个月最大需量=同比最大需量×同比系数×环比系数×用电系数;
在得到最大需量预估值后,用电用户可以依据最大需量预估值对接下来预设时长段内的用电情况进行预估,以便于对接下来预设时长段内的用电计划进行调整,提高对用电计划调整的效率和准确率,即最大需量预估值可以用于用电用户在调整接下来预设时长段内的用电计划时提供参考。
可见,该可选的实施例能够获取针对用电用户在历史时长段内的历史用电数据,从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型,确定用电用户对应的用电类型信息,根据用电类型信息,确定待预估用电数据分析模型对应的模型系数,根据历史用电数据和模型系数,确定待预估用电数据分析模型对应的参数预估值,将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息,根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息,依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型,实现了对用电数据分析模型的参数进行预估,并从参数预估后的用电数据分析模型中确定目标用电数据分析模型,提高了确定目标用电数据分析模型的准确性,提高了依据目标用电数据分析模型进行数据分析的可靠性,还可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,能避免出现重复计算的问题,并且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。
实施例三
请参阅图3,图3是本发明实施例公开的一种数据处理的装置的结构示意图。如图3所示,该装置可以包括:
获取模块301,用于获取针对用电用户在历史时长段内的历史用电数据,并将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息,其中,用电数据分析模型与用电用户对应。
预估模块302,用于根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息。
确定模块303,用于依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型。
作为一种可选的实施方式,获取模块301,还用于获取用电用户的用户信息;其中,用户信息包括区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息。
确定模块303,还用于根据用户信息,从所有用电数据分析模型中,确定至少一个与用电用户对应的候选用电数据分析模型。
其中,获取模块301中将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息的方式具体为:
将历史用电数据输入至预置的至少一个候选用电数据分析模型中,得到用户用电信息。
在一个可选的实施例中,参阅图4,图4是本发明实施例公开的另一种数据处理的装置的结构示意图,获取模块301包括:
模型获取子模块401,用于从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型。
预估值获取子模块402,用于根据历史用电数据,确定待预估用电数据分析模型对应的参数预估值。
分析子模块403,用于将历史用电数据、参数预估值输入至待预估用电数据分析模型中进行数据分析,得到用户用电信息。
作为一种可选的实施方式,预估值获取子模块402包括:
用电类型获取单元4021,用于确定用电用户对应的用电类型信息。
模型系数获取单元4022,用于根据用电类型信息,确定待预估用电数据分析模型对应的模型系数。
参数预估值获取单元4023,用于根据历史用电数据和模型系数,确定待预估用电数据分析模型对应的参数预估值。
在一个可选的实施例中,所有用电数据分析模型包括第一容量计算模型和/或第一需量计算模型,参数预估值获取单元4023中根据历史用电数据和模型系数,确定待预估用电数据分析模型对应的参数预估值的方式具体为:
根据历史用电数据,确定用电用户在历史时长段使用的历史用电数据分析模型;历史用电数据分析模型包括第二容量计算模型或第二需量计算模型;在历史用电数据分析模型为第二容量计算模型且待预估用电数据分析模型为第一需量计算模型时,根据历史用电数据,以及与第一需量计算模型对应的模型系数,确定针对第一需量计算模型的参数预估值;在历史用电数据分析模型为第二需量计算模型且待预估用电数据分析模型为第一容量计算模型时,根据历史用电数据,以及与第一容量计算模型对应的模型系数,确定针对第一容量计算模型的参数预估值。
作为一种可选的实施方式,确定模块303,还用于在目标用电数据分析模型为第一需量计算模型时,根据用电类型信息,确定与用电类型信息对应的申报系数;根据第一需量计算模型的参数预估值和申报系数,确定针对用电用户接下来预设时长段内的需量申报预估信息;其中,需量申报预估信息用于用电用户在执行需量申报时提供参考。
在一个可选的实施例中,预估模块302中根据用户用电信息和历史用电数据,确定针对用电用户的用电预测信息的方式具体为:
根据历史用电数据,确定用电用户在历史时长段内的历史用户用电信息;比较历史用户用电信息和用户用电信息,得到针对用电用户的比较结果;根据比较结果,预估针对用电用户接下来预设时长段内的用电预测信息。
可见,该可选的实施例能够获取针对用电用户在历史时长段内的历史用电数据,并将历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,用电数据分析模型与用电用户对应;根据历史用电数据和用户用电信息,预估针对用电用户接下来预设时长段内的用电预测信息;依据用电预测信息,从所有用电数据分析模型中,确定目标用电数据分析模型,实现了从至少一个用电数据分析模型中确定目标用电数据分析模型,进而可以仅针对该目标用电数据分析模型进行计算,计算量低,计算效率高,还能避免出现重复计算的问题,并且只需收集针对该目标用电数据分析模型所需的用电数据,减少大量的人力物力资源。
实施例四
请参阅图5,图5是本发明实施例公开的又一种数据处理的装置的结构示意图。如图5所示,该数据处理的装置可以包括:
存储有可执行程序代码的存储器501;
与存储器501耦合的处理器502;
处理器502调用存储器501中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的数据处理的方法中的步骤。
实施例五
本发明实施例公开了一种计算机可存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的数据处理的方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的数据处理的方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种数据处理的方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种数据处理的方法,其特征在于,所述方法包括:
获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;
根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;
依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型。
2.根据权利要求1所述的数据处理的方法,其特征在于,所述方法还包括:
获取所述用电用户的用户信息;其中,所述用户信息包括区域信息、供电类型信息、设备类型信息、设备数量信息、用电类型信息;
根据所述用户信息,从所有所述用电数据分析模型中,确定至少一个与所述用电用户对应的候选用电数据分析模型;
其中,所述将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息,包括:
将所述历史用电数据输入至预置的至少一个候选用电数据分析模型中,得到用户用电信息。
3.根据权利要求1所述的数据处理的方法,其特征在于,所述将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息,包括:
从预置的至少一个用电数据分析模型中,确定需要进行参数预估的待预估用电数据分析模型;
根据所述历史用电数据,确定所述待预估用电数据分析模型对应的参数预估值;
将所述历史用电数据、所述参数预估值输入至所述待预估用电数据分析模型中进行数据分析,得到用户用电信息。
4.根据权利要求3所述的数据处理的方法,其特征在于,所述根据所述历史用电数据,确定所述待预估用电数据分析模型对应的参数预估值,包括:
确定所述用电用户对应的用电类型信息;
根据所述用电类型信息,确定所述待预估用电数据分析模型对应的模型系数;
根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值。
5.根据权利要求4所述的数据处理的方法,其特征在于,所有所述用电数据分析模型包括第一容量计算模型和/或第一需量计算模型,所述根据所述历史用电数据和所述模型系数,确定所述待预估用电数据分析模型对应的参数预估值,包括:
根据所述历史用电数据,确定所述用电用户在所述历史时长段使用的历史用电数据分析模型;所述历史用电数据分析模型包括第二容量计算模型或第二需量计算模型;
在所述历史用电数据分析模型为所述第二容量计算模型且所述待预估用电数据分析模型为所述第一需量计算模型时,根据所述历史用电数据,以及与所述第一需量计算模型对应的模型系数,确定针对所述第一需量计算模型的参数预估值;
在所述历史用电数据分析模型为所述第二需量计算模型且所述待预估用电数据分析模型为所述第一容量计算模型时,根据所述历史用电数据,以及与所述第一容量计算模型对应的模型系数,确定针对所述第一容量计算模型的参数预估值。
6.根据权利要求5所述的数据处理的方法,其特征在于,在所述从所述预置的至少一个用电数据分析模型中,确定目标用电数据分析模型之后,所述方法还包括:
在所述目标用电数据分析模型为所述第一需量计算模型时,根据所述历史用电数据,确定需量环比信息;
根据所述需量环比信息,确定与所述需量环比信息对应的申报系数;
根据所述第一需量计算模型的参数预估值和所述申报系数,确定针对所述用电用户接下来预设时长段内的需量申报预估信息;其中,所述需量申报预估信息用于所述用电用户在执行需量申报时提供参考。
7.根据权利要求1所述的数据处理的方法,其特征在于,所述根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息,包括:
根据所述历史用电数据,确定所述用电用户在所述历史时长段内的历史用户用电信息;
比较所述历史用户用电信息和所述用户用电信息,得到针对所述用电用户的比较结果;
根据所述比较结果,预估针对所述用电用户接下来预设时长段内的用电预测信息。
8.一种数据处理的装置,其特征在于,所述装置包括:
获取模块,用于获取针对用电用户在历史时长段内的历史用电数据,并将所述历史用电数据输入至预置的至少一个用电数据分析模型中,得到用户用电信息;其中,所述用电数据分析模型与所述用电用户对应;
预估模块,用于根据所述历史用电数据和所述用户用电信息,预估针对所述用电用户接下来预设时长段内的用电预测信息;
确定模块,用于依据所述用电预测信息,从所有所述用电数据分析模型中,确定目标用电数据分析模型。
9.一种数据处理的装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的数据处理的方法。
10.一种计算机可存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的数据处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507346.7A CN114154738A (zh) | 2021-12-10 | 2021-12-10 | 一种数据处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507346.7A CN114154738A (zh) | 2021-12-10 | 2021-12-10 | 一种数据处理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154738A true CN114154738A (zh) | 2022-03-08 |
Family
ID=80454170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111507346.7A Pending CN114154738A (zh) | 2021-12-10 | 2021-12-10 | 一种数据处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154738A (zh) |
-
2021
- 2021-12-10 CN CN202111507346.7A patent/CN114154738A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111492559B (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
Zhou et al. | Dynamic scheduling of operating reserves in co-optimized electricity markets with wind power | |
JP6079215B2 (ja) | 電力需要予測装置、プログラム | |
US20190115753A1 (en) | Method for automatic cloud control of energy storage systems | |
CN110429653B (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
CN112070301B (zh) | 一种用户用电量调整方法、系统及设备 | |
KR20140075617A (ko) | 지능형 에너지 소비 예측 방법 | |
Ghorbani et al. | Multi-agent autonomous decision making in smart micro-grids’ energy management: a decentralized approach | |
CN110797872B (zh) | 用户侧储能容量配置方法、装置、设备及存储介质 | |
CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
CN117498416B (zh) | 储能电池的放电策略制定方法、装置及电子设备 | |
US10873188B2 (en) | Dynamic hosting capacity system and method for DER integration and management on distribution utility networks | |
KR20130044765A (ko) | 예측 속도 향상을 위한 신경망과 보정계수를 이용한 주간 부하 예측 장치 및 방법 | |
CN114154738A (zh) | 一种数据处理的方法及装置 | |
CN110998643A (zh) | 用于基于模式的能量存储管理的系统、设备和方法 | |
CN110968947A (zh) | 虚拟电厂调度方法、装置及系统 | |
Dorgham et al. | A novel dynamic pricing model for the telecommunications industry | |
CN111798070B (zh) | 一种用户侧光储系统的配置方法及装置 | |
Keles et al. | Evaluation of photovoltaic storage systems on energy markets under uncertainty using stochastic dynamic programming | |
Pourhossein et al. | Transition in Iran’s electricity market considering the policies on elimination of electricity subsidies: System Dynamics application | |
US10387926B2 (en) | Cloud-based methods for identifying energy profile and estimating energy consumption and cloud-based energy profile usage identification system | |
US20160093002A1 (en) | Optimal Battery Pricing and Energy Management for Localized Energy Resources | |
Watanabe et al. | Agent-based simulation model of electricity market with stochastic unit commitment | |
WO2003058396A2 (en) | Forecasted financial analysis planning and dispatching of distributed resources | |
CN116757760B (zh) | 工商业用户电费核算方法、系统、终端及存储介质 |
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 |