JP7395811B2 - 負荷予測方法、装置、電子機器、及び記憶媒体 - Google Patents

Description

本開示は、人工知能の技術分野に関し、特に、ディープラーニングと工業ビッグデータなどの分野の負荷予測方法、装置、電子機器、及び記憶媒体に関する。

負荷予測とは、電力システムスケジューリング運営部門の１つの重要な作業であり、正確な負荷予測は、マシンセットの起動停止、経済的なスケジューリング、負荷管理などに重要な助けを提供することができる。

現在、予めトレーニングされた予測モデルを通常に使用して負荷予測を行い、すなわち負荷予測結果に影響を与える各要素を予測モデルに入力して、出力された予測結果を取得するが、このような方式の精度は改善すべきである。

本開示は、負荷予測方法、装置、電子機器、及び記憶媒体を提供する。

負荷予測方法であって、
予測される日の現在の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップと、
前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するステップと、
前記気温差に基づいて前記予測される日と前記類似日との前記時点での負荷差を決定するステップと、
前記類似日の前記時点での負荷値と前記負荷差とに基づいて前記予測される日の前記時点での負荷予測値を決定するステップと、を含む。

第１の予測モジュール、第２の予測モジュール、第３の予測モジュール及び第４の予測モジュールを含む負荷予測装置であって、
前記第１の予測モジュールは、予測される日の現在の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するために用いられ、
前記第２の予測モジュールは、前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するために用いられ、
前記第３の予測モジュールは、前記気温差に基づいて前記予測される日と前記類似日との前記時点での負荷差を決定するために用いられ、
前記第４の予測モジュールは、前記類似日の前記時点での負荷値と前記負荷差とに基づいて前記予測される日の前記時点での負荷予測値を決定するために用いられる。

電子機器であって、
少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信接続されたメモリと、を含み、
前記メモリに前記少なくとも一つのプロセッサにより実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサにより実行されると、前記少なくとも一つのプロセッサが上記の方法を実行させる。

コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、前記コンピュータ命令は、前記コンピュータに上記の方法を実行させる。

コンピュータプログラム製品であって、コンピュータプログラム／命令を含み、前記コンピュータプログラム／命令がプロセッサによって実行される時に上記の方法を実現する。

本開示の実施例は、負荷予測結果の精度を向上させることができる。

本明細書で説明された内容は、本開示の実施例のキー又は重要な特徴を特定することを意図しておらず、本開示の範囲を制限するためにも使用されないことを理解されたい。本開示の他の特徴は、以下の明細書を通じて容易に理解できる。

図面は、本開示をより良く理解するためのものであり、本開示を限定しない。
本開示の負荷予測方法の実施例のフローチャートである。 本開示の１週間における各日の日平均負荷変化曲線の概略図である。 本開示の散布図及び線形フィッティング方式の概略図である。 本開示の前記方法によって取得された負荷予測値と実際の負荷値の比較効果の概略図である。 本開示の負荷予測装置の第１の実施例５００の構成の構造概略図である。 本開示の負荷予測装置の第２の実施例６００の構成の構造概略図である。 本開示の実施例を実施できる電子機器７００の概略ブロック図を示す。

以下、図面に基づいて、本開示の例示的な実施例を説明する。理解を容易にするために、本開示の実施例の様々な詳細が含まれており、それらは単なる例示と見なされるべきである。従って、当業者は、本開示の範囲及びび精神から逸脱することなく、本明細書に記載の実施形態に対して様々な変更及びび修正を行うことができることを認識するはずである。同様に、簡明のために、以下の説明では、よく知られた機能と構造の説明は省略される。

また、本明細書の用語「及び／又は」は、関連対象の関連関係のみを説明するものであり、３種類の関係が存在可能であることを表し、例えば、Ａ及び／又はＢは、Ａのみが存在するか、Ａ及びＢが同時に存在するか、Ｂのみが存在するという３つの場合を表すことができる。符号「／」は、一般的に前後の関連対象が「又は」の関係であることを表すことを理解されたい。

図１は本開示の負荷予測方法の実施例のフローチャートである。図１に示すように、以下の具体的な実現方式を含む。

ステップ１０１では、予測される日の現在の予測される時点について、予測される日の前の履歴日から予測される日の類似日を決定する。

ステップ１０２では、予測される日の当該時点での気温と類似日の当該時点での気温との間の気温差を取得する。

ステップ１０３では、前記気温差に基づいて予測される日と類似日の当該時点での負荷差を決定する。

ステップ１０４では、類似日の当該時点での負荷値と前記負荷差に基づいて予測される日の当該時点での負荷予測値を決定する。

負荷予測は多くの要素の影響を受けており、これらの要素の中で、気温は負荷予測精度に最も影響を与える要素であり、上記の方法の実施例に記載された方案では、予測される時点について、当該時点の所在の予測される日と予測される日の類似日の当該時点での気温差を取得することができ、類似日の当該時点での負荷値と気温差に基づいて決定された両者間の負荷差を組み合わせて当該時点の負荷予測値を決定して、予測結果の精度などを向上させることができる。

本開示の負荷予測方法は、特に、高温天気の負荷予測に適しており、前記高温天気は、最高気温が３０度を超える天気を指すことができる。

各予測される日について、複数の予測される時点をそれぞれ設置することができ、これらの時点は、１日２４時間の時間軸に均一に分布することができ、各時点について、図１に示す実施例の方式に従ってそれぞれ処理することができる。

具体的には、予測される日の現在の予測される時点について、まず、予測される日の前の履歴日から予測される日の類似日を決定することができる。

本開示の１実施例では、最近Ｎ個の履歴日を選別される日とし、予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得することができ、Ｎは１より大きい正整数であり、その後、前記特徴ベクトルに基づいて予測される日と各選別される日との間のユークリッド距離をそれぞれ決定することができ、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位Ｋ位の選別される日を予測される日の類似日とすることができ、すなわちユークリッド距離でＴｏｐＫの最隣接日を予測される日の類似日として選択することができ、Ｋは正整数であり、ＫはＮより小さい。

ＫとＮの具体的な値は、すべて実際のニーズに応じて決定することができ、一般的に、実際の予測の場合、Ｋの値は１であってもよく、すなわちソート後の一番目の選別される日を予測される日の類似日とすることができる。

Ｎの値を３０であると仮定すると、表現の便宜上、３０個の選別される日を選別される日１～選別される日３０とそれぞれ呼び、そうすると、予測される日と選別される日１～選別される日３０に対応する特徴ベクトルをそれぞれ取得することができ、予測される日に対応する特徴ベクトルと選別される日１に対応する特徴ベクトルに基づいて予測される日と選別される日１との間のユークリッド距離を決定し、予測される日に対応する特徴ベクトルと選別される日２に対応する特徴ベクトルに基づいて予測される日と選別される日２との間のユークリッド距離を決定し、……．、予測される日に対応する特徴ベクトルと選別される日３０に対応する特徴ベクトルに基づいて予測される日と選別される日３０との間のユークリッド距離を決定し、最小のユークリッド距離の選別される日を予測される日の類似日とすることができる。

上記の処理により、予測される日の類似日を正確かつ効率的に選別することができ、後続の処理に良好な基礎を築くことができる。

本開示の１実施例では、前記特徴ベクトルは、負荷予測結果に影響を与える所定のＭ個の要素を組み合わせて生成された特徴ベクトルを含むことができ、Ｍは１より大きい正整数であり、前記Ｍ個の要素には、気温が含まれない。

Ｍの具体的な値は、実際のニーズに応じて決定することができ、Ｍ個の要素が具体的にそれぞれどのような要素かは、実際のニーズに応じて決定することもできる。

負荷予測は、祝日かどうか、時間周期情報と気温などの多くの要素の影響を受ける。これに対応して、気温以外の祝日かどうかと時間周期情報などに基づいて特徴ベクトルを生成することができ、例えば、祝日かどうかを所定の方式に従って対応するベクトル表現に変換することができ、時間周期情報を所定の方式に従って対応するベクトル表現に変換することができ、各ベクトル表現を所定の順序に従ってスプライシングすることができて、所望の特徴ベクトルを取得することができる。

その中、祝日かどうかは、「はい」と「いいえ」の２つの結果を含むことができ、時間周期情報は、火曜日（２日目）などの、所在する月と１週間における何日などの情報を含むことができる。

特徴ベクトルには気温情報が含まれていないため、選択された類似日と予測される日は、気温要素以外に関連性が最も強く、これに対応して、気温差によって負荷差を反映することができる。

予測される日の類似日を決定した後、予測される日の予測される時点での気温と類似日の当該時点での気温との間の気温差を取得することができ、異なる時点の気温をどのように取得するかは限定しない。

さらに、前記気温差に基づいて予測される日と類似日の予測される時点での負荷差を決定することができる。本開示の１実施例では、前記気温差と当該時点に対応する回帰式に基づいて、予測される日と類似日の当該時点での負荷差を決定することができる。

異なる時点は各自の回帰式にそれぞれ対応することができる。また、各時点に対応する回帰式を予めにそれぞれ決定することができる。

本開示の１実施例では、任意の時点について、以下の処理をそれぞれ行うことができ、前記処理は、Ｐグループのデータペアを構築し、Ｐは１より大きい正整数であり、任意のデータペアは、当該データペアに対応する第１の履歴日及び第２の履歴日の当該時点での気温差と、第１の履歴日及び第２の履歴日の当該時点での負荷差をそれぞれ含み、第２の履歴日は、第１の履歴日の類似日であり、前記Ｐグループのデータペアに基づいて当該時点に対応する回帰式を決定することができる。

例えば、ある履歴日について、まず、当該履歴日の類似日を決定することができ、決定方式は、予測される日の類似日を決定する方式と同じであってもよく、なお、予測される日の類似日を決定する時、通常、ソート後の一番目の選別される日を予測される日の類似日とし、当該履歴日の類似日を決定する時、ソート後の例えば上位１０位の選別される日を当該履歴日の類似日として、データペアの数を増やすことができ、これに対応して、当該履歴日について、これに応じて、１０個のデータペアを生成することができ、各データペアは、当該履歴日（第１の履歴日）と当該履歴日の１つの類似日（第２の履歴日）にそれぞれ対応することができる。

上記のように、各データペアは、当該データペアに対応する第１の履歴日及び第２の履歴日の当該時点での気温差と、第１の履歴日及び第２の履歴日の当該時点での負荷差をそれぞれ含むことができる。履歴日の実際の負荷値は既知であり、そうすると、第１の履歴日と第２の履歴日の任意の時点での負荷差を容易に取得することができる。

また、週間要素も負荷値に影響を与えており、本開示の１実施例では、１週間の中のｉ日目について、１≦ｉ≦７であり、Ｌ個の履歴日の日負荷変化曲線に基づいてｉ日目の日平均負荷変化曲線をそれぞれ決定することができ、Ｌは１より大きい正整数であり、前記Ｌ個の履歴日は、すべて所在する週間の中のｉ日目であり、これに対応して、第１の履歴日に対応する日平均負荷変化曲線に基づいて第１の履歴日の当該時点での負荷値を決定し、第２の履歴日に対応する日平均負荷変化曲線に基づいて第２の履歴日の当該時点での負荷値を決定することができ、２つの負荷値の差を取得し、前記差を第１の履歴日と第２の履歴日に対応する週間補償とすることができ、前記週間補償を使用してデータペア内の負荷差を修正することができる。

例えば、最近の８週間の履歴日に基づいて１週間における各日の日平均負荷変化曲線をそれぞれ決定することができ、すなわち月曜日（１日目）の日平均負荷変化曲線、火曜日（２日目）の日平均負荷変化曲線、水曜日（３日目）の日平均負荷変化曲線、木曜日（４日目）の日平均負荷変化曲線、金曜日（５日目）の日平均負荷変化曲線、土曜日（６日目）の日平均負荷変化曲線、及び日曜日（７日目）の日平均負荷変化曲線であり、月曜日を例とし、８つの月曜日の日負荷変化曲線（実際の負荷値）を取得することができ、この８つの日負荷変化曲線の平均値を計算して、月曜日（１日目）の日平均負荷変化曲線を取得することができる、その他はこれに応じて類推する。

図２は本開示の１週間における各日の日平均負荷変化曲線の概略図である。図２に示すように、その中の横軸は時間を表し、縦軸は負荷値を表す。

これに対応して、任意の時点の任意のデータペアについて、第１の履歴日が金曜日であり、第２の履歴日が水曜日であると仮定すると、第１の履歴日に対応する金曜日の日平均負荷変化曲線に基づいて第１の履歴日の当該時点での負荷値を決定し、第２の履歴日に対応する水曜日の日平均負荷変化曲線に基づいて第２の履歴日の当該時点での負荷値を決定することができ、２つの負荷値の差を取得し、前記差を第１の履歴日と第２の履歴日に対応する週間補償とすることができ、前記週間補償を使用して当該データペア内の負荷差を修正することができる。例えば、当該データペア内の修正前の負荷差はＡであり、週間補償はＢであり、Ａ－Ｂを修正後の負荷差とすることができる。

上記の処理により、負荷変化に影響を与える他の要素を可能な限り分離して、負荷差が気温に可能な限り関連するようにする。

任意の時点について、Ｐグループのデータペアを取得した後、前記Ｐグループのデータペアに基づいて当該時点に対応する回帰式を決定することができる。本開示の１実施例では、まず、前記Ｐグループのデータペアに基づいて対応する散布図を生成することができ、その後、前記散布図に基づいて線形フィッティングを行って、当該時点に対応する回帰式を取得することができる。

図３は本開示の散布図及び線形フィッティング方式の概略図である。図３に示すように、その中の横軸は気温差を表し、縦軸は負荷差を表す、また、図３は６つの異なる時点のそれぞれに対応する散布図を表す。任意の時点について、それぞれ対応するデータペアを散布図として展示することができ、線形フィッティングを行うことができる。図３から分かるように、負荷差と気温差は線形関係を呈し、切片距離はゼロである。散布図に対して線形フィッティングを行うことによって、所望の各時点に対応する回帰式を取得することができる。

前記回帰式に基づいて、予測される日の予測される時点での気温と予測される日の類似日の当該時点での気温との間の気温差を取得した後、前記気温差と対応する回帰式に基づいて予測される日と予測される日の類似日の当該時点での負荷差を決定することができる。

すなわち回帰式によって、予測される日と予測される日の類似日の予測される時点での負荷差を正確かつ効率的に予測することができる。

さらに、予測される日の類似日の予測される時点での負荷値、及び予測される日と予測される日の類似日の当該時点での負荷差に基づいて、予測される日の当該時点での負荷予測値を決定することができる。例えば、予測される日の類似日の当該時点での負荷値と前記負荷差の和を計算し、計算結果を予測される日の当該時点での負荷予測値とすることができる。

本開示の１実施例では、さらに、予測される日と予測される日の類似日に対応する週間補償を取得することができ、取得された週間補償を使用して予測される日と予測される日の類似日の予測される時点での負荷差を修正することができ、予測される日の類似日の予測される時点での負荷値と修正後の負荷差に基づいて予測される日の当該時点での負荷予測値を決定することができる。

その中、予測される日に対応する日平均負荷変化曲線に基づいて予測される日の予測される時点での負荷値を決定し、予測される日の類似日に対応する日平均負荷変化曲線に基づいて予測される日の類似日の当該時点での負荷値を決定することができ、２つの負荷値の差を取得し、前記差を予測される日と予測される日の類似日に対応する週間補償とすることができ、前記週間補償を使用して予測される日と予測される日の類似日の当該時点での負荷差を修正することができる。

さらに、予測される日の類似日の当該時点での負荷値と修正後の負荷差に基づいて予測される日の当該時点での負荷予測値を決定することができ、例えば、予測される日の類似日の当該時点での負荷値と修正後の負荷差の和を計算し、計算結果を予測される日の当該時点での負荷予測値とすることができる。

予測される日と予測される日の類似日の当該時点での負荷差を修正することによって、取得された負荷予測値の精度をさらに向上させることができる。

なお、前述の各方法の実施例について、簡単な説明のために、それをすべて一連の作業の組み合わせとして記載するが、本開示は、本開示に従って、いくつかのステップが他の順序を使用することができるか、又は同時に行うことができるため、説明する作業順序によって制限されないことを当業者は認識すべきである。次に、本明細書に記載される実施例はいずれも好ましい実施例に属し、関連する作業及びモジュールは必ずしも本開示に必須ではない。

要するに、本開示の方法の実施例に記載された方案を使用して、予測結果の精度を向上させて、マシンセットの起動停止、経済的なスケジューリング、負荷管理などにデータデ基礎を提供することができる。

図４は本開示の前記方法によって取得された負荷予測値と実際の負荷値の比較効果の概略図である。図４に示すように、横軸は日付を表し、縦軸は負荷値を表す、８月のいくつかの高温日のみを予測すると仮定すると、上のいくつかの曲線は負荷予測値を表し、下のいくつかの曲線は実際の負荷値を表し、両者は非常に近いことを分かることができ、予測結果が比較的正確であることを示す。

以上は方法の実施例に関する説明であり、以下は装置の実施例で、本開示に記載された解決策をさらに説明する。

図５は本開示の負荷予測装置の第１の実施例５００の構成の構造概略図である。図５に示すように、第１の予測モジュール５０１、第２の予測モジュール５０２、第３の予測モジュール５０３、及び第４の予測モジュール５０４を含む。

第１の予測モジュール５０１は、予測される日の現在の予測される時点について、予測される日の前の履歴日から予測される日の類似日を決定するために用いられる。

第２の予測モジュール５０２は、予測される日の当該時点での気温と類似日の当該時点での気温との間の気温差を取得するために用いられる。

第３の予測モジュール５０３は、前記気温差に基づいて予測される日と類似日の当該時点での負荷差を決定するために用いられる。

第４の予測モジュール５０４は、類似日の当該時点での負荷値と前記負荷差に基づいて予測される日の当該時点での負荷予測値を決定するために用いられる。

上記の装置実施例に記載された方案では、予測される時点について、当該時点の所在の予測される日と予測される日の類似日の当該時点での気温差を取得することができ、類似日の当該時点での負荷値と気温差に基づいて決定された両者間の負荷差を組み合わせて当該時点の負荷予測値を決定して、予測結果の精度などを向上させることができる。

本開示の１実施例では、第１の予測モジュール５０１は、最近Ｎ個の履歴日を選別される日とし、予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得することができ、Ｎは１より大きい正整数であり、その後、前記特徴ベクトルに基づいて予測される日と各選別される日との間のユークリッド距離をそれぞれ決定することができ、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位Ｋ位の選別される日を予測される日の類似日とすることができ、すなわちユークリッド距離でＴｏｐＫの最隣接日を予測される日の類似日として選択することができ、Ｋは正整数であり、ＫはＮより小さい。

ＫとＮの具体的な値は、すべて実際のニーズに応じて決定することができ、一般的に、実際の予測の場合、Ｋの値は１であってもよく、すなわちソート後の一番目の選別される日を予測される日の類似日とすることができる。

本開示の１実施例では、前記特徴ベクトルは、負荷予測結果に影響を与える所定のＭ個の要素を組み合わせて生成された特徴ベクトルを含むことができ、Ｍは１より大きい正整数であり、前記Ｍ個の要素には、気温が含まれない。

Ｍの具体的な値は、実際のニーズに応じて決定することができ、Ｍ個の要素が具体的にそれぞれどのような要素かは、実際のニーズに応じて決定することもできる。

予測される日の類似日を決定した後、第２の予測モジュール５０２は、予測される日の予測される時点での気温と類似日の当該時点での気温との間の気温差を取得することができる。

さらに、第３の予測モジュール５０３は、前記気温差に基づいて予測される日と類似日の予測される時点での負荷差を決定することができる。本開示の１実施例では、第３の予測モジュール５０３前記気温差と当該時点に対応する回帰式に基づいて、予測される日と類似日の当該時点での負荷差を決定することができる。

異なる時点は各自の回帰式にそれぞれ対応することができる。また、各時点に対応する回帰式を予めにそれぞれ決定することができる。

第４の予測モジュール５０４は、類似日の予測される時点での負荷値と前記負荷差に基づいて予測される日の当該時点での負荷予測値を決定することができる。

図６は本開示の負荷予測装置の第２の実施例６００の構成の構造概略図である。図６に示すように、第１の予測モジュール５０１、第２の予測モジュール５０２、第３の予測モジュール５０３、第４の予測モジュール５０４、及び前処理モジュール５０５を含む。

その中、第１の予測モジュール５０１、第２の予測モジュール５０２、第３の予測モジュール５０３、及び第４の予測モジュール５０４は、図５に示す実施例と同じである。

前処理モジュール５０５は、任意の時点について、以下の処理をそれぞれ行うことができる、前記処理は、Ｐグループのデータペアを構築し、Ｐは１より大きい正整数であり、任意のデータペアは、当該データペアに対応する第１の履歴日及び第２の履歴日の当該時点での気温差と、第１の履歴日及び第２の履歴日の当該時点での負荷差をそれぞれ含み、第２の履歴日は、第１の履歴日の類似日であり、前記Ｐグループのデータペアに基づいて当該時点に対応する回帰式を決定することができる。

例えば、ある履歴日について、まず、当該履歴日の類似日を決定することができ、決定方式は、予測される日の類似日を決定する方式と同じであってもよく、なお、予測される日の類似日を決定する時、通常、ソート後の一番目の選別される日を予測される日の類似日とし、当該履歴日の類似日を決定する時、ソート後の例えば上位１０位の選別される日を当該履歴日の類似日として、データペアの数を増やすことができ、これに対応して、当該履歴日について、これに応じて、１０個のデータペアを生成することができ、各データペアは、当該履歴日（第１の履歴日）と当該履歴日の１つの類似日（第２の履歴日）にそれぞれ対応することができる。

また、週間要素も負荷値に影響を与えており、本開示の１実施例では、前処理モジュール５０５は、１週間の中のｉ日目について、１≦ｉ≦７であり、Ｌ個の履歴日の日負荷変化曲線に基づいてｉ日目の日平均負荷変化曲線をそれぞれ決定することができ、Ｌは１より大きい正整数であり、前記Ｌ個の履歴日は、すべて所在する週間の中のｉ日目であり、これに対応して、第１の履歴日に対応する日平均負荷変化曲線に基づいて第１の履歴日の当該時点での負荷値を決定し、第２の履歴日に対応する日平均負荷変化曲線に基づいて第２の履歴日の当該時点での負荷値を決定することができ、２つの負荷値の差を取得し、前記差を第１の履歴日と第２の履歴日に対応する週間補償とすることができ、前記週間補償を使用してデータペア内の負荷差を修正することができる。

任意の時点について、Ｐグループのデータペアを取得した後、前処理モジュール５０５は、さらに、前記Ｐグループのデータペアに基づいて当該時点に対応する回帰式を決定することができる。本開示の１実施例では、前処理モジュール５０５は、まず、前記Ｐグループのデータペアに基づいて対応する散布図を生成することができ、その後、前記散布図に基づいて線形フィッティングを行って、当該時点に対応する回帰式を取得することができる。

前記回帰式に基づいて、予測される日の予測される時点での気温と予測される日の類似日の当該時点での気温との間の気温差を取得した後、第３の予測モジュール５０３は、前記気温差に基づいて予測される日と予測される日の類似日の当該時点での負荷差を決定することができる。

さらに、第４の予測モジュール５０４は、さらに、予測される日と予測される日の類似日に対応する週間補償を取得することができ、取得された週間補償を使用して予測される日と予測される日の類似日の予測される時点での負荷差を修正することができ、予測される日の類似日の予測される時点での負荷値と修正後の負荷差に基づいて予測される日の当該時点での負荷予測値を決定することができる。

図５と図６に示す装置の実施例の具体的な作業プロセスは、前述の方法の実施例の関連説明を参照することができ、詳細に説明しない。

要するに、本開示の装置の実施例に記載された方案を使用して、予測結果の精度を向上させて、マシンセットの起動停止、経済的なスケジューリング、負荷管理などにデータデ基礎を提供することができる。

本開示に記載された解決策は、人工知能技術の分野に関し、特にインテリジェント音声、深層学習、及び自然言語処理などの分野に適用することができる。人工知能は、人間のある思考プロセスと知能行為（たとえば、学習、推理、思考、計画など）をコンピュータでシミュレートすることを研究する学科であり、ハードウェアレベルの技術もソフトウェアレベルの技術もあり、人工知能ハードウェア技術は、一般的に、たとえば、センサー、専用の人工知能チップ、クラウドコンピューティング、分散ストレージ、ビッグデータ処理などの技術を含み、人工知能ソフトウェア技術は、主に、コンピュータビジョン技術、音声認識技術、自然言語処理技術及び機械学習／ディープラーニング、ビッグデータ処理技術、知識グラフ技術などのいくつかの方向を含む。

本開示の技術案において、関連するユーザ個人情報の収集、記憶、使用、加工、伝送、提供、公開などの処理は、すべて関連する法律及び規定を満たし、公序良俗に違反しない。

本開示の実施例によれば、本開示は、電子機器、読み取り可能な記憶媒体、及びコンピュータプログラム製品をさらに提供する。

図７は本開示の実施例を実施するための電子機器７００の概略ブロック図を示す。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、サーバ、ブレードサーバ、大型コンピュータ、及び他の適切なコンピュータなどの様々な形式のデジタルコンピュータを表すことを目的とする。電子機器は、携帯情報端末、携帯電話、スマートフォン、ウェアラブルデバイス、他の同様の計算デバイスなどの様々な形式のモバイルデバイスを表すこともできる。本明細書で示されるコンポーネント、それらの接続と関係、及びそれらの機能は単なる例であり、本明細書の説明及び／又は要求される本開示の実現を制限することを意図したものではない。

図７に示すように、機器７００は計算ユニット７０１を含み、計算ユニット７０１は、読み取り専用メモリ（ＲＯＭ）７０２に記憶されているコンピュータプログラム又は記憶ユニット７０８からランダムアクセスメモリ（ＲＡＭ）７０３にロードされたコンピュータプログラムに基づいて、様々な適切な動作と処理を実行することができる。ＲＡＭ７０３には、機器７００が動作するに必要な様々なプログラムとデータも記憶することができる。計算ユニット７０１、ＲＯＭ７０２、及びＲＡＭ７０３は、バス７０４を介してお互いに接続される。入出力（Ｉ／Ｏ）インターフェース７０５もバス７０４に接続される。

機器７００内の複数のコンポーネントは、Ｉ／Ｏインターフェース７０５に接続されており、キーボード、マウスなどの入力ユニット７０６と、様々なタイプのディスプレイ、スピーカなどの出力ユニット７０７と、ディスク、光ディスクなどの記憶ユニット７０８と、及びネットワークカード、モデム、無線通信トランシーバなどの通信ユニット７０９と、を含む。通信ユニット７０９は、機器７００が、インターネットなどのコンピュータネットワーク、及び／又は様々な電気通信ネットワークを介して他の機器と情報／データを交換することを可能にする。

計算ユニット７０１は、様々な処理と計算能力を備える汎用及び／又は専用の処理コンポーネントである。計算ユニット７０１のいくつかの例は、中央処理装置（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、様々な専用の人工知能（ＡＩ）計算チップ、様々な機械学習モデルアルゴリズムを実行する計算ユニット、デジタル信号プロセッサ（ＤＳＰ）、及び任意の適切なプロセッサ、コントローラ、マイクロコントローラなどを含むが、これらに限定されない。計算ユニット７０１は、本開示に記載された方法などの上記の様々な方法と処理を実行する。例えば、いくつかの実施例では、本開示に記載された方法は、記憶ユニット７０８などの機械読み取り可能な媒体に有形的に含まれるコンピュータソフトウェアプログラムとして実現することができる。 いくつかの実施例では、コンピュータプログラムの一部又は全部は、ＲＯＭ７０２及び／又は通信ユニット７０９を介して機器７００にロード及び／又はインストールされる。コンピュータプログラムがＲＡＭ７０３にロードされて計算ユニット７０１によって実行される場合、上記の本開示に記載された方法の一つ又は複数のステップを実行することができる。代替的に、他の実施例では、計算ユニット７０１は、他の任意の適切な方式（例えば、ファームウェアによって）を介して本開示に記載された方法を実行するように構成されることができる。

本明細書で説明されるシステムと技術の様々な実施方式は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップシステム（ＳＯＣ）、ロードプログラマブルロジックデバイス（ＣＰＬＤ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせで実現することができる。これらの様々な実施方式は、一つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該一つ又は複数のコンピュータプログラムは、少なくとも一つのプログラマブルプロセッサを含むプログラム可能なシステムで実行及び／又は解釈されることができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び命令を受信し、データ及び命令を当該ストレージシステム、当該少なくとも一つの入力装置、及び当該少なくとも一つの出力装置に伝送することができる。

本開示の方法を実施するためのプログラムコードは、一つ又は複数のプログラミング言語の任意の組み合わせを使用して作成することができる。これらのプログラムコードは、プログラムコードがプロセッサ又はコントローラによって実行される時にフローチャート及び／又はブロック図に規定された機能／動作が実施されるように、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能なデータ処理装置のプロセッサ又はコントローラに提供することができる。プログラムコードは、完全に機械上で実行されたり、部分的に機械上で実行されたり、独立したソフトウェアパッケージとして部分的に機械上で実行され、部分的にリモート機械上実行されたり、又は完全にリモート機械又はサーバ上で実行されたりすることができる。

本開示の文脈において、機械読み取り可能な媒体は、命令実行システム、装置、又は機器の使用、又は命令実行システム、装置又は機器と組み合わせて使用するプログラムを含むか、又は記憶することができる有形の媒体であってもよい。機械読み取り可能な媒体は、機械読み取り可能な信号媒体又は機械読み取り可能な記憶媒体であってもよい。機械読み取り可能な媒体は、電子、磁気、光学、電磁気、赤外線、又は半導体システム、装置又は機器、又は上記の内容の任意の適切な組み合わせを含むが、これらに限定されない。機械読み取り可能な記憶媒体のより具体的な例は、一つ又は複数のワイヤに基づく電気接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ 又はフラッシュメモリ）、光ファイバ、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、光学記憶装置、磁気記憶装置、又は上記の内容の任意の適切な組み合わせを含む。

ユーザとのインタラクションを提供するために、コンピュータ上でここで説明されているシステム及び技術を実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置は、ユーザとのインタラクションを提供するために用いられることもでき、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、任意の形式（音響入力と、音声入力と、触覚入力とを含む）でユーザからの入力を受信することができる。

ここで説明されるシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバとする）、又はミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）、又はフロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインタフェース又は当該ウェブブラウザによってここで説明されるシステム及び技術の実施方式とインタラクションする）、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントの任意の組み合わせを含むコンピューティングシステムで実施することができる。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によってシステムのコンポーネントを相互に接続されることができる。通信ネットワークの例は、ローカルエリアネットワーク（ＬＡＮ）と、ワイドエリアネットワーク（ＷＡＮ）と、インターネットと、を含む。

コンピュータシステムは、クライアントとサーバとを含むことができる。クライアントとサーバは、一般に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント－サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。サーバは、クラウドサーバであってもよく、分散システムのサーバであってもよく、又はブロックチェーンを組み合わせるサーバであってもよい。

上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本開示に記載されている各ステップは、並列に実行されてもよいし、順次的に実行されてもよいし、異なる順序で実行されてもよいが、本開示で開示されている技術案が所望の結果を実現することができれば、本明細書では限定されない。

上記の具体的な実施方式は、本開示に対する保護範囲の制限を構成するものではない。当業者は、設計要求と他の要因に基づいて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができる。任意の本開示の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本開示の保護範囲内に含まれなければならない。

Claims (17)

1. コンピュータにより実行される、電力負荷予測方法であって、
   予測される日の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップと、
   前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するステップと、
   前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップと、
   前記類似日の前記時点での電力負荷値と前記電力負荷差とに基づいて前記予測される日の前記時点での電力負荷予測値を決定するステップと、を含み、
   前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップは、
   前記気温差と前記時点に対応する回帰式とに基づいて、前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップを含む、
   電力負荷予測方法。
2. 前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップは、
   最近Ｎ個の履歴日を選別される日とし、前記予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得するステップであって、Ｎは１より大きい正整数であるステップと、
   前記特徴ベクトルに基づいて前記予測される日と各選別される日との間のユークリッド距離をそれぞれ決定し、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位Ｋ位の選別される日を前記予測される日の類似日とするステップであって、Ｋは正整数であり、ＫはＮより小さいステップと、を含む、
   請求項１に記載の電力負荷予測方法。
3. 前記特徴ベクトルは、電力負荷予測結果に影響を与える所定のＭ個の要素を組み合わせて生成された特徴ベクトルを含み、Ｍは１より大きい正整数であり、前記Ｍ個の要素には、気温が含まれない、
   請求項２に記載の電力負荷予測方法。
4. 任意の時点について、それぞれ、
   Ｐグループのデータペアを構築するステップであって、Ｐは１より大きい正整数であり、任意のデータペアは、前記データペアに対応する第１の履歴日と第２の履歴日との前記時点での気温差、及び、前記第１の履歴日と前記第２の履歴日との前記時点での電力負荷差をそれぞれ含み、前記第２の履歴日は、前記第１の履歴日の類似日であるステップと、
   前記Ｐグループのデータペアに基づいて前記時点に対応する回帰式を決定するステップと、を行う、
   請求項１に記載の電力負荷予測方法。
5. 前記Ｐグループのデータペアに基づいて前記時点に対応する回帰式を決定するステップは、
   前記Ｐグループのデータペアに基づいて対応する散布図を生成するステップと、
   前記散布図に基づいて線形フィッティングを行い、前記時点に対応する回帰式を取得するステップと、を含む、
   請求項４に記載の電力負荷予測方法。
6. １週間の中のｉ日目について、１≦ｉ≦７であり、Ｌ個の履歴日の日電力負荷変化曲線に基づいてｉ日目の日平均電力負荷変化曲線をそれぞれ決定するステップであって、Ｌは１より大きい正整数であり、前記Ｌ個の履歴日はいずれも所在する週間の中のｉ日目であるステップと、
   第１の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第１の履歴日の前記時点での電力負荷値を決定し、第２の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第２の履歴日の前記時点での電力負荷値を決定し、２つの電力負荷値の差を取得し、前記差を前記第１の履歴日と前記第２の履歴日とに対応する週間補償とし、前記週間補償を使用して前記データペア内の電力負荷差を修正するステップと、をさらに含む、
   請求項４に記載の電力負荷予測方法。
7. 前記予測される日と前記予測される日の類似日とに対応する週間補償を取得するステップと、
   取得された週間補償を使用して前記予測される日と前記予測される日の類似日との前記時点での電力負荷差を修正するステップと、
   前記予測される日の類似日の前記時点での電力負荷値と修正後の電力負荷差に基づいて前記予測される日の前記時点での電力負荷予測値を決定するステップと、をさらに含む、
   請求項６に記載の電力負荷予測方法。
8. 電力負荷予測装置であって、
   第１の予測モジュール、第２の予測モジュール、第３の予測モジュール及び第４の予測モジュールを含み、
   前記第１の予測モジュールは、予測される日の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定し、
   前記第２の予測モジュールは、前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得し、
   前記第３の予測モジュールは、前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定し、
   前記第４の予測モジュールは、前記類似日の前記時点での電力負荷値と前記電力負荷差とに基づいて前記予測される日の前記時点での電力負荷予測値を決定し、
   前記第３の予測モジュールは、前記気温差と前記時点に対応する回帰式とに基づいて、前記予測される日と前記類似日との前記時点での電力負荷差を決定する、
   電力負荷予測装置。
9. 前記第１の予測モジュールは、
   最近Ｎ個の履歴日を選別される日とし、前記予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得し、Ｎは１より大きい正整数であり、
   前記特徴ベクトルに基づいて前記予測される日と各選別される日との間のユークリッド距離をそれぞれ決定し、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位Ｋ位の選別される日を前記予測される日の類似日とし、Ｋは正整数であり、ＫはＮより小さい、
   請求項８に記載の電力負荷予測装置。
10. 前記特徴ベクトルは、電力負荷予測結果に影響を与える所定のＭ個の要素を組み合わせて生成された特徴ベクトルを含み、Ｍは１より大きい正整数であり、前記Ｍ個の要素には、気温が含まれない、
    請求項９に記載の電力負荷予測装置。
11. 前記電力負荷予測装置は、前処理モジュールをさらに含み、
    前記前処理モジュールは、任意の時点について、それぞれ、
    Ｐグループのデータペアを構築し、Ｐは１より大きい正整数であり、任意のデータペアは、前記データペアに対応する第１の履歴日と第２の履歴日との前記時点での気温差、及び、前記第１の履歴日と前記第２の履歴日との前記時点での電力負荷差をそれぞれ含み、前記第２の履歴日は、前記第１の履歴日の類似日であり、前記Ｐグループのデータペアに基づいて前記時点に対応する回帰式を決定する、
    請求項８に記載の電力負荷予測装置。
12. 前記前処理モジュールは、前記Ｐグループのデータペアに基づいて対応する散布図を生成し、前記散布図に基づいて線形フィッティングを行い、前記時点に対応する回帰式を取得する、
    請求項１１に記載の電力負荷予測装置。
13. 前記前処理モジュールは、さらに、
    １週間の中のｉ日目について、１≦ｉ≦７であり、Ｌ個の履歴日の日電力負荷変化曲線に基づいてｉ日目の日平均電力負荷変化曲線をそれぞれ決定し、Ｌは１より大きい正整数であり、前記Ｌ個の履歴日はいずれも所在する週間の中のｉ日目であり、第１の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第１の履歴日の前記時点での電力負荷値を決定し、第２の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第２の履歴日の前記時点での電力負荷値を決定し、２つの電力負荷値の差を取得し、前記差を前記第１の履歴日と前記第２の履歴日とに対応する週間補償とし、前記週間補償を使用して前記データペア内の電力負荷差を修正する、
    請求項１１に記載の電力負荷予測装置。
14. 前記第４の予測モジュールは、さらに、前記予測される日と前記予測される日の類似日とに対応する週間補償を取得し、取得された週間補償を使用して前記予測される日と前記予測される日の類似日との前記時点での電力負荷差を修正し、前記予測される日の類似日の前記時点での電力負荷値と修正後の電力負荷差に基づいて前記予測される日の前記時点での電力負荷予測値を決定する、
    請求項１３に記載の電力負荷予測装置。
15. 電子機器であって、
    少なくとも一つのプロセッサと、
    前記少なくとも一つのプロセッサに通信接続されたメモリと、を含み、
    前記メモリに前記少なくとも一つのプロセッサにより実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサにより実行されると、前記少なくとも一つのプロセッサが請求項１～７のいずれかの一つに記載の電力負荷予測方法を実行する、
    電子機器。
16. コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータ命令は、コンピュータに請求項１～７のいずれかの一つに記載の電力負荷予測方法を実行させる、
    コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体。
17. プロセッサによって実行される時に請求項１～７のいずれかの一つに記載の電力負荷予測方法を実現する、
    コンピュータプログラム。