[发明专利]一种用气负荷预测方法、装置、电子设备及存储介质

说明书

本发明提供了一种用气负荷预测方法、装置、电子设备及存储介质。该方法包括：获取目标区域内的历史原始数据；对历史原始数据进行特征提取，得到历史原始数据的数据特征；根据历史原始数据的数据特征，确定历史原始数据的数据特征相关的指定影响因素数据；将指定影响因素数据与历史实际影响因素数据对比，以得到影响因素数据的变化量数据；利用用气负荷预测模型训练预测样本数据与影响因素数据的变化量数据，确定出用气负荷的第一预测值；采集目标区域内的管道压力数据，调取管存数据预测模型训练管道压力数据，确定出管存用气预测值；根据第一预测值和管存用气预测值，确定出用气负荷预测值。以解决准确的对天然气的使用量进行预测的问题。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种用气负荷预测方法、装置、电子设备及存储介质。

背景技术

天然气产业迅猛发展，天然气管道的调度管理、规划运营和运行优化，都必须依赖于准确的负荷预测技术，对天然气用气量进行更加准确的预测对未来连接各城市天然气管网的优化调度、燃气公司合理规划燃气用量和城市燃气管网的优化运行都有十分重要的意义。

现有的用气负荷预测方法，根据天气影响因素和天然气使用量对用气负荷进行预测，但在真实的天然气应用场景中，节假日、供暖期等因素也会极大的影响天然气的使用量；另外，由于天然气大部分采用长输管道运输，在管道内会有天然气残留，残留的天然气含量在预测时也不能忽略。因此，现有的预测方法无法结合真实的天然气使用场景，准确的对天然气的使用量进行预测。

发明内容

有鉴于此，本公开实施例提供了一种用气负荷预测方法、装置、电子设备及存储介质，以解决现有技术的预测方法无法结合真实的天然气使用场景，准确的对天然气的使用量进行预测的问题。

本公开实施例的第一方面，提供了一种用气负荷预测方法，包括：

获取目标区域内的历史原始数据，历史原始数据包括天然气的历史实际使用数据和天然气的历史管存数据；

对历史原始数据进行特征提取，得到历史原始数据的数据特征；

根据历史原始数据的数据特征，确定历史原始数据的数据特征相关的指定影响因素数据；

将指定影响因素数据与历史实际影响因素数据对比，以得到影响因素数据的变化量数据；

利用用气负荷预测模型训练预测样本数据与影响因素数据的变化量数据，确定出用气负荷的第一预测值，其中，用气负荷预测模型为基于知识蒸馏框架的神经网络模型；

采集目标区域内的管道压力数据，调取管存数据预测模型训练管道压力数据，确定出管存用气预测值；

根据第一预测值和管存用气预测值，确定出用气负荷预测值。

本公开实施例的第二方面，提供了一种用气负荷预测装置，包括：

数据获取模块，被配置为获取目标区域内的历史原始数据，历史原始数据包括天然气的历史实际使用数据和天然气的历史管存数据；

特征提取模块，被配置为对历史原始数据进行特征提取，得到历史原始数据的数据特征；

特征确定模块，被配置为根据历史原始数据的数据特征，确定历史原始数据的数据特征相关的指定影响因素数据；

数据对比模块，被配置为将指定影响因素数据与历史实际影响因素数据对比，以得到影响因素数据的变化量数据；

确定模块，被配置为利用用气负荷预测模型训练预测样本数据与影响因素数据的变化量数据，确定出用气负荷的第一预测值，其中，用气负荷预测模型为基于知识蒸馏框架的神经网络模型；采集目标区域内的管道压力数据，调取管存数据预测模型训练管道压力数据，确定出管存用气预测值；根据第一预测值和管存用气预测值，确定出用气负荷预测值。