本發(fā)明涉及智能化燃?xì)夤芾?，具體涉及一種燃?xì)鈿饬款A(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快和居民生活水平的不斷提高，燃?xì)庾鳛橐环N清潔能源在日常生活中的使用越來(lái)越廣泛。然而，傳統(tǒng)的燃?xì)庥昧坎杉椒ㄔ诿鎸?duì)復(fù)雜多變的市場(chǎng)需求時(shí)顯得力不從心。傳統(tǒng)的燃?xì)庥昧坎杉蕾?lài)于抄表員的人工入戶抄表，這種方式不僅效率低下，而且在某些情況下由于用戶不在家或其它原因?qū)е鲁韱T無(wú)法進(jìn)入戶內(nèi)抄表，只能依靠估算來(lái)填補(bǔ)數(shù)據(jù)空白。這種估值方法往往缺乏科學(xué)依據(jù)，依賴(lài)于抄表員或管理人員的經(jīng)驗(yàn)和歷史數(shù)據(jù)來(lái)進(jìn)行粗略估計(jì)，這種方法雖然簡(jiǎn)單易行，但容易造成較大的偏差，進(jìn)而影響后續(xù)的數(shù)據(jù)分析和決策制定——對(duì)于燃?xì)庥脩舳?，?huì)導(dǎo)致計(jì)費(fèi)不準(zhǔn)，造成經(jīng)濟(jì)損失；對(duì)于燃?xì)夤?yīng)商而言，會(huì)導(dǎo)致燃?xì)夤?yīng)量規(guī)劃不準(zhǔn)，使得供應(yīng)過(guò)剩或供應(yīng)不足，從而增加運(yùn)營(yíng)成本。

2、而還有的基于趨勢(shì)分析方法、季節(jié)性調(diào)整方法的燃?xì)庥昧抗浪惴椒ǎ渲?，趨?shì)分析則是通過(guò)對(duì)歷史用氣量的長(zhǎng)期跟蹤來(lái)尋找規(guī)律，以此推斷未來(lái)的需求變化，這種方法能夠在一定程度上捕捉到用氣量的趨勢(shì)走向，但對(duì)于突發(fā)性事件或非周期性變化的預(yù)測(cè)能力較弱。季節(jié)性調(diào)整則是在趨勢(shì)分析的基礎(chǔ)上加入了季節(jié)因素的影響，考慮到了一年中不同季節(jié)對(duì)燃?xì)庑枨蟮挠绊?，例如冬季取暖需求增加而夏季需求減少的現(xiàn)象，但這種方法仍然存在明顯的局限性，即它高度依賴(lài)于過(guò)去的數(shù)據(jù)，并假定未來(lái)的變化趨勢(shì)與歷史保持一致，忽略了外部環(huán)境的變化對(duì)用氣量的潛在影響。

3、綜上所述，現(xiàn)有的燃?xì)庥昧抗浪惴椒ūM管在一定程度上解決了部分問(wèn)題，但仍存在明顯的缺陷——過(guò)于依賴(lài)歷史同期數(shù)據(jù)，無(wú)法應(yīng)對(duì)數(shù)據(jù)突變，存在估算/預(yù)測(cè)誤差；在多因素考慮方面也存在不足，未能全面涵蓋影響用氣量的所有因素。因此，亟需一種新的技術(shù)手段來(lái)彌補(bǔ)這一不足，以確保燃?xì)夤?yīng)能力與需求相匹配。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明意在提供一種燃?xì)鈿饬款A(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)，能夠智能預(yù)測(cè)燃?xì)庥昧?，并能夠達(dá)到較高的預(yù)測(cè)效率和預(yù)測(cè)精度。

2、為達(dá)到上述目的，本發(fā)明提供如下基礎(chǔ)方案。

3、方案一

4、一種燃?xì)鈿饬款A(yù)測(cè)方法，包括以下步驟：

5、步驟1，采集基礎(chǔ)燃?xì)鈹?shù)據(jù)集；所述基礎(chǔ)燃?xì)鈹?shù)據(jù)集包括歷史燃?xì)庥昧?，以及，與歷史燃?xì)庥昧肯鄬?duì)應(yīng)的時(shí)間特征數(shù)據(jù)、地理特征數(shù)據(jù)和用戶特征數(shù)據(jù)；

6、步驟2，預(yù)處理基礎(chǔ)燃?xì)鈹?shù)據(jù)集，并從中提取目標(biāo)特征，并組成目標(biāo)數(shù)據(jù)集；

7、步驟3，構(gòu)建預(yù)測(cè)模型；采用xgboost對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練優(yōu)化，得到最終的預(yù)測(cè)模型；并且，在訓(xùn)練過(guò)程中，基于目標(biāo)數(shù)據(jù)集進(jìn)行一階段訓(xùn)練；基于目標(biāo)數(shù)據(jù)集中的歷史燃?xì)庥昧繛?的關(guān)聯(lián)特征數(shù)據(jù)，進(jìn)行二階段訓(xùn)練；

8、步驟4，采用預(yù)測(cè)模型進(jìn)行燃?xì)鈿饬款A(yù)測(cè)。

9、方案二

10、一種燃?xì)鈿饬款A(yù)測(cè)系統(tǒng)，用于執(zhí)行如方案一所述的一種燃?xì)鈿饬款A(yù)測(cè)方法；包括采集模塊、數(shù)據(jù)處理模塊、模型構(gòu)建模塊和預(yù)測(cè)模塊；

11、所述采集模塊用于采集基礎(chǔ)燃?xì)鈹?shù)據(jù)集；所述基礎(chǔ)燃?xì)鈹?shù)據(jù)集包括歷史燃?xì)庥昧?，以及，與歷史燃?xì)庥昧肯鄬?duì)應(yīng)的時(shí)間特征數(shù)據(jù)、地理特征數(shù)據(jù)和用戶特征數(shù)據(jù)；

12、所述數(shù)據(jù)處理模塊用于預(yù)處理基礎(chǔ)燃?xì)鈹?shù)據(jù)集，并從中提取目標(biāo)特征，并組成目標(biāo)數(shù)據(jù)集；所述模型構(gòu)建模塊用于構(gòu)建預(yù)測(cè)模型；采用xgboost對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練優(yōu)化，得到最終的預(yù)測(cè)模型；并且，在訓(xùn)練過(guò)程中，基于目標(biāo)數(shù)據(jù)集進(jìn)行一階段訓(xùn)練；基于目標(biāo)數(shù)據(jù)集中的歷史燃?xì)庥昧繛?的關(guān)聯(lián)特征數(shù)據(jù)，進(jìn)行二階段訓(xùn)練；

13、所述預(yù)測(cè)模塊中設(shè)有最終的預(yù)測(cè)模型，所述預(yù)測(cè)模型用于進(jìn)行燃?xì)鈿饬款A(yù)測(cè)。

14、方案三

15、一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如方案一所述的一種燃?xì)鈿饬款A(yù)測(cè)方法。

16、本發(fā)明的工作原理及優(yōu)點(diǎn)在于：

17、本方案引入多源歷史數(shù)據(jù)作為基礎(chǔ)燃?xì)鈹?shù)據(jù)集，結(jié)合歷史用氣數(shù)據(jù)和其他相關(guān)特征，利用先進(jìn)的機(jī)器學(xué)習(xí)算法，構(gòu)建預(yù)測(cè)模型來(lái)精準(zhǔn)預(yù)測(cè)用戶的月度用氣量，能夠提高估抄的準(zhǔn)確性，實(shí)現(xiàn)燃?xì)庥昧康闹悄茴A(yù)測(cè)；并且，預(yù)測(cè)模型還可以用于不同地區(qū)不同時(shí)間段內(nèi)的燃?xì)庑枨罅?，為燃?xì)夤?yīng)方提供數(shù)據(jù)參考，以便于燃?xì)夤?yīng)方及時(shí)調(diào)整供應(yīng)量，避免供不應(yīng)求或供過(guò)于求的情況發(fā)生。其中，預(yù)測(cè)模型的構(gòu)建及訓(xùn)練基于xgboost進(jìn)行，基于xgboost的分布式梯度增強(qiáng)特性，能夠快速執(zhí)行訓(xùn)練過(guò)程，模型訓(xùn)練效率較高。

18、重點(diǎn)在于，本方案還特別關(guān)注了目前燃?xì)庥昧抗浪阒械乃嬖诂F(xiàn)實(shí)問(wèn)題——針對(duì)極端用氣情況（如燃?xì)庥昧繕O大或極小）的估值不穩(wěn)定問(wèn)題，對(duì)于模型算法而言，基于大數(shù)據(jù)的通用預(yù)測(cè)模型往往會(huì)受到歷史數(shù)據(jù)分布（特別是占比更大的常規(guī)用氣情況數(shù)據(jù)分布）的影響，導(dǎo)致對(duì)于實(shí)際燃?xì)庥昧繕O?。ɑ?yàn)?）的用戶的預(yù)測(cè)值偏大等，導(dǎo)致常規(guī)的預(yù)測(cè)模型在本領(lǐng)域表現(xiàn)不佳。而本方案則在設(shè)置特定模型的基礎(chǔ)上，設(shè)置了兩階段的訓(xùn)練步驟；通過(guò)一階段的訓(xùn)練，可以獲得表現(xiàn)最佳的預(yù)測(cè)模型，再通過(guò)二階段的訓(xùn)練，可以使得模型進(jìn)一步定向?qū)W習(xí)極端用氣情況，進(jìn)而挑選得到的最終預(yù)測(cè)模型能夠應(yīng)對(duì)特殊的燃?xì)庥昧壳闆r（如長(zhǎng)期未用氣的用戶情況），保證后續(xù)對(duì)于不同類(lèi)型的用戶均保有較高的預(yù)測(cè)精準(zhǔn)度。

技術(shù)特征：

1.一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，所述用戶特征數(shù)據(jù)包括：用戶類(lèi)型；所述用戶類(lèi)型包括采暖型用戶和非采暖型用戶。

3.根據(jù)權(quán)利要求1所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，所述預(yù)處理包括以下步驟：數(shù)據(jù)清洗、特征構(gòu)建和數(shù)據(jù)轉(zhuǎn)換；所述數(shù)據(jù)清洗包括處理缺失值、異常值和錯(cuò)誤數(shù)據(jù)；

4.根據(jù)權(quán)利要求3所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，在處理缺失值時(shí)，當(dāng)歷史燃?xì)庥昧康某￠g隔為2個(gè)月時(shí)，按照趨勢(shì)性分配原則，確認(rèn)單月的歷史燃?xì)庥昧?；?dāng)歷史燃?xì)庥昧康某￠g隔為大于等于3個(gè)月時(shí)，按照平均分配原則，確認(rèn)單月的歷史燃?xì)庥昧俊?/p>

5.根據(jù)權(quán)利要求3所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，在步驟4中，在采用預(yù)測(cè)模型進(jìn)行某一用戶的燃?xì)鈿饬款A(yù)測(cè)時(shí)，還包括預(yù)判步驟：遍歷該用戶的歷史燃?xì)庥昧?，若歷史燃?xì)庥昧恐写嬖谔囟ㄌ卣?，且特定特征的出現(xiàn)時(shí)段貼近預(yù)測(cè)時(shí)刻，則直接輸出該用戶的燃?xì)鈿饬繛?，并為該用戶附加校驗(yàn)標(biāo)記，以便復(fù)核。

6.根據(jù)權(quán)利要求1所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，還包括步驟5：校驗(yàn)步驟4中的燃?xì)鈿饬款A(yù)測(cè)結(jié)果，并在預(yù)測(cè)結(jié)果符合預(yù)設(shè)條件時(shí)，觸發(fā)對(duì)應(yīng)的結(jié)果反饋步驟。

7.根據(jù)權(quán)利要求6所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，所述預(yù)設(shè)條件包括：預(yù)測(cè)結(jié)果中用戶的燃?xì)鈿饬啃∮?方；對(duì)應(yīng)的結(jié)果反饋步驟為：調(diào)取該用戶的目標(biāo)關(guān)聯(lián)數(shù)據(jù)；所述目標(biāo)關(guān)聯(lián)數(shù)據(jù)包括：貼近預(yù)測(cè)時(shí)刻的用電數(shù)據(jù)和用水?dāng)?shù)據(jù)；若目標(biāo)關(guān)聯(lián)數(shù)據(jù)均小于預(yù)設(shè)基準(zhǔn)值，則判定本預(yù)測(cè)結(jié)果合理，不做處理；若目標(biāo)關(guān)聯(lián)數(shù)據(jù)均大于預(yù)設(shè)基準(zhǔn)值，則判定本預(yù)測(cè)結(jié)果不合理，為該用戶附加校驗(yàn)標(biāo)記，以便復(fù)核。

8.根據(jù)權(quán)利要求7所述的一種燃?xì)鈿饬款A(yù)測(cè)方法，其特征在于，所述預(yù)設(shè)條件還包括：預(yù)測(cè)結(jié)果中用戶的燃?xì)鈿饬看笥?00方；對(duì)應(yīng)的結(jié)果反饋步驟為：調(diào)取該用戶的歷史燃?xì)庥昧浚⑦M(jìn)行趨勢(shì)分析，得到參考趨勢(shì)；若預(yù)測(cè)結(jié)果符合參考趨勢(shì)，則判定本預(yù)測(cè)結(jié)果合理，不做處理；若預(yù)測(cè)結(jié)果不符合參考趨勢(shì)，則判定本預(yù)測(cè)結(jié)果不合理，為該用戶附加校驗(yàn)標(biāo)記，以便復(fù)核。

9.一種燃?xì)鈿饬款A(yù)測(cè)系統(tǒng)，其特征在于，用于執(zhí)行如權(quán)利要求1-8任一項(xiàng)所述的一種燃?xì)鈿饬款A(yù)測(cè)方法；包括采集模塊、數(shù)據(jù)處理模塊、模型構(gòu)建模塊和預(yù)測(cè)模塊；

10.一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8任一項(xiàng)所述的一種燃?xì)鈿饬款A(yù)測(cè)方法。

技術(shù)總結(jié)
本發(fā)明涉及智能化燃?xì)夤芾砑夹g(shù)領(lǐng)域，公開(kāi)了一種燃?xì)鈿饬款A(yù)測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)，包括以下步驟：步驟1，采集基礎(chǔ)燃?xì)鈹?shù)據(jù)集；所述基礎(chǔ)燃?xì)鈹?shù)據(jù)集包括歷史燃?xì)庥昧浚约?，與歷史燃?xì)庥昧肯鄬?duì)應(yīng)的時(shí)間特征數(shù)據(jù)、地理特征數(shù)據(jù)和用戶特征數(shù)據(jù)；步驟2，預(yù)處理基礎(chǔ)燃?xì)鈹?shù)據(jù)集，并從中提取目標(biāo)特征，并組成目標(biāo)數(shù)據(jù)集；步驟3，構(gòu)建預(yù)測(cè)模型；采用XGBoost對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練優(yōu)化，得到最終的預(yù)測(cè)模型；并且，在訓(xùn)練過(guò)程中，基于目標(biāo)數(shù)據(jù)集進(jìn)行一階段訓(xùn)練；基于目標(biāo)數(shù)據(jù)集中的歷史燃?xì)庥昧繛?的關(guān)聯(lián)特征數(shù)據(jù)，進(jìn)行二階段訓(xùn)練；步驟4，采用預(yù)測(cè)模型進(jìn)行燃?xì)鈿饬款A(yù)測(cè)。本發(fā)明能夠智能預(yù)測(cè)燃?xì)庥昧?，并能夠達(dá)到較高的預(yù)測(cè)效率和預(yù)測(cè)精度。

技術(shù)研發(fā)人員：齊研科,楊穎,賀喜,蔡雨耕
受保護(hù)的技術(shù)使用者：重慶合眾慧燃科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9