用电量预测方法、装置以及电子设备

1.一种用电量预测方法，包括：获取第一时间段内的N个子时间段对应的N个第一历史用电量，N为大于1的整数；根据所述N个第一历史用电量，确定所述N个第一历史用电量的第一数据特征；利用预测模型基于所述第一数据特征进行预测，获得第一预测用电量，所述预测模型预先通过训练样本对机器学习模型进行训练获得；其中，所述根据所述N个第一历史用电量，确定所述N个第一历史用电量的第一数据特征，包括：根据所述N个第一历史用电量，确定所述N个第一历史用电量的轮廓系数，其中，采用如下表达式计算N个第一历史用电量的轮廓系数： Δx表示日期最大间隔，Δy表示用电量的最大值与最小值的差值，x i 为第i个子时间段，y i 为第i个子时间段对应的第一历史用电量，n的取值为N；对所述N个第一历史用电量中的各第一历史用电量进行归一化处理，获得N个归一化值；获取所述N个归一化值的最小值、最大值以及平均值；所述第一数据特征包括所述轮廓系数、所述N个归一化值的最小值、最大值以及平均值。 2.根据权利要求1所述的方法，其中，在所述利用预测模型基于所述第一数据特征进行预测，获得预测用电量之前，所述方法还包括：获取训练样本，所述训练样本包括第二历史用电量，以及第二时间段内的N个子时间段对应的N个第三历史用电量，所述第二历史用电量为在第一目标时间段内的用电量，所述第一目标时间段为晚于所述第二时间段且与所述第二时间段相邻的子时间段；利用所述训练样本对机器学习模型进行训练，获得所述预测模型。 3.根据权利要求2所述的方法，其中，所述利用所述训练样本对机器学习模型进行训练，获得所述预测模型，包括：获得所述N个第三历史用电量的第二数据特征；将所述第二数据特征输入至所述机器学习模型，获得预测用电量；基于所述预测用电量与所述第二历史用电量之间的误差，对所述机器学习模型的参数进行调整，获得所述预测模型。 4.根据权利要求1-3中任一项所述的方法，其中，所述第一预测用电量为第二目标时间段内的用电量，所述第二目标时间段为晚于所述第一时间段且与所述第一时间段相邻的子时间段。 5.一种用电量预测装置，包括：获取模块，用于获取第一时间段内的N个子时间段对应的N个第一历史用电量，N为大于1的整数；确定模块，用于根据所述N个第一历史用电量，确定所述N个第一历史用电量的第一数据特征；预测模块，用于利用预测模型基于所述第一数据特征进行预测，获得第一预测用电量，所述预测模型预先通过训练样本对机器学习模型进行训练获得；其中，所述确定模块，包括：确定子模块，用于根据所述N个第一历史用电量，确定所述N个第一历史用电量的轮廓系数，其中，采用如下表达式计算N个第一历史用电量的轮廓系数： Δx表示日期最大间隔，Δy表示用电量的最大值与最小值的差值，x i 为第i个子时间段，y i 为第i个子时间段对应的第一历史用电量，n的取值为N；归一化子模块，用于对所述N个第一历史用电量中的各第一历史用电量进行归一化处理，获得N个归一化值；获取子模块，用于获取所述N个归一化值的最小值、最大值以及平均值；其中，所述第一数据特征包括所述轮廓系数、所述N个归一化值的最小值、最大值以及平均值。 6.一种电子设备，其中，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。 7.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。 8.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。