能源互联网用户用能数据预测方法及系统

1.一种能源互联网用户用能数据预测方法，其特征在于，包括以下步骤：获取用户内部设备的运行数据；获取用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据；根据用户内部设备的运行数据以及用户的用能成本数据、电能市场交易结果数据以及参与能源转换的意愿程度数据，通过预设的能源互联网用户模型，得到能源互联网用户用能数据预测结果；所述能源互联网用户模型通过如下方式建立：获取用户内部设备的用能需求类型及历史运行数据；根据所述历史运行数据，建立与用能需求类型对应的用能需求预测模型；获取用户的历史用能成本数据、历史电能市场交易结果数据、历史参与能源转换的意愿程度数据以及历史用能需求转移数据，根据用户的历史用能成本数据、历史电能市场交易结果数据、历史参与能源转换的意愿程度数据以及历史用能需求转移数据，建立用能状态转移模型；合并所述用能需求预测模型与用能状态转移模型，得到能源互联网用户模型；所述根据用户的历史用能成本数据、历史电能市场交易结果数据、历史参与能源转换的意愿程度数据以及历史用能需求转移数据，建立用能状态转移模型的具体方法为：根据用户的历史用能成本数据、历史电能市场交易结果数据、历史参与能源转换的意愿程度数据以及历史用能需求转移数据，得到用户若干历史日的转移样本数据；以用能需求转移数据为预设初始用能状态转移模型的输出，通过若干历史日的转移样本数据，训练初始用能状态转移模型，得到用能状态转移模型；用能需求预测模型输出的是各设备的用能数据；能源互联网用户模型的输出是根据各设备的用能数据以及用户用能需求转移数据叠加的结果。 2.根据权利要求1所述的能源互联网用户用能数据预测方法，其特征在于，所述用能需求类型包括非电气驱动用能需求、燃气用能需求、用电用能需求和电能供给用能需求中的一种或几种；当所述用能需求类型包括非电气驱动用能需求时，根据设备的历史运行数据，建立与非电气驱动用能需求对应的用能需求预测模型的具体方法为：根据设备的历史运行数据，获取非电气驱动用能需求的设备若干历史日的第一样本数据；其中，第一样本数据包括时间数据、气象预报数据、功率数据以及前第一预设日的功率数据；以非电气驱动用能需求的设备的功率数据为预设初始用能需求预测模型的输出，通过若干历史日的第一样本数据训练初始用能需求预测模型，得到与非电气驱动用能需求对应的用能需求预测模型；当所述用能需求类型包括燃气用能需求时，根据设备的历史运行数据，建立与燃气用能需求对应的用能需求预测模型的具体方法为：根据设备的历史运行数据，获取燃气用能需求的设备若干历史日的第二样本数据；其中，第二样本数据包括时间数据、时刻数据、第一用户类型、燃气数据以及前第二预设日的燃气数据；以燃气用能需求的设备的燃气数据为预设初始用能需求预测模型的输出，通过若干历史日的第二样本数据训练初始用能需求预测模型，得到与燃气用能需求对应的用能需求预测模型；当所述用能需求类型包括用电用能需求时，根据设备的历史运行数据，建立与用电用能需求对应的用能需求预测模型的具体方法为：根据设备的历史运行数据，获取用电用能需求的设备若干历史日的第三样本数据；其中，第三样本数据包括时间数据、时刻数据、第二用户类型、功率数据以及前第三预设日的功率数据；以用电用能需求的设备的功率数据为预设初始用能需求预测模型的输出，通过若干历史日的第三样本数据训练初始用能需求预测模型，得到与用电用能需求对应的用能需求预测模型；当所述用能需求类型包括电能供给用能需求时，根据设备的历史运行数据，建立与电能供给用能需求对应的用能需求预测模型的具体方法为：根据设备的历史运行数据，获取电能供给用能需求的设备若干历史日的第四样本数据；其中，第四输入样本数据包括发电环境数据、气象预报数据、时刻数据、功率数据以及前第四预设日的最大功率；以电能供给用能需求的设备的功率数据为预设初始用能需求预测模型的输出，通过第四样本数据训练初始用能需求预测模型，得到与电能供给用能需求对应的用能需求预测模型。 3.根据权利要求2所述的能源互联网用户用能数据预测方法，其特征在于，当所述用能需求类型包括非电气驱动用能需求时，所述通过若干历史日的第一样本数据训练初始用能需求预测模型后，还包括：从若干历史日的第一样本数据中，随机抽取第一预设数量的第一样本数据，得到第一验证集，通过第一验证集验证当前初始用能需求预测模型，当满足第一预设验证条件时，通过验证；否则，继续通过若干历史日的第一样本数据训练当前初始用能需求预测模型，至满足第一预设验证条件；当所述用能需求类型包括燃气用能需求时，所述通过若干历史日的第二样本数据训练初始用能需求预测模型后，还包括：从若干历史日的第二样本数据中，随机抽取第二预设数量的第二样本数据，得到第二验证集，通过第二验证集验证当前初始用能需求预测模型，当满足第二预设验证条件时，通过验证；否则，继续通过若干历史日的第二样本数据训练当前初始用能需求预测模型，至满足第二预设验证条件；当所述用能需求类型包括用电用能需求时，所述通过若干历史日的第三样本数据训练初始用能需求预测模型后，还包括：从若干历史日的第三样本数据中，随机抽取第三预设数量的第三样本数据，得到第三验证集，通过第三验证集验证当前初始用能需求预测模型，当满足第三预设验证条件时，通过验证；否则，继续通过若干历史日的第三样本数据训练当前初始用能需求预测模型，至满足第三预设验证条件；当所述用能需求类型包括电能供给用能需求时，所述通过若干历史日的第四样本数据训练初始用能需求预测模型后，还包括：从若干历史日的第四样本数据中，随机抽取第四预设数量的第四样本数据，得到第四验证集，通过第四验证集验证当前初始用能需求预测模型，当满足第四预设验证条件时，通过验证；否则，继续通过若干历史日的第四样本数据训练当前初始用能需求预测模型，至满足第四预设验证条件。 4.根据权利要求1所述的能源互联网用户用能数据预测方法，其特征在于，所述训练初始用能状态转移模型后还包括：从若干历史日的转移样本数据中，按照时间顺序依次抽取预设数量的转移样本数据，得到验证集，通过验证集验证当前初始用能状态转移模型，当满足预设验证条件时，通过验证；否则，继续通过若干历史日的转移样本数据训练当前初始用能状态转移模型，至满足预设验证条件。 5.根据权利要求1所述的能源互联网用户用能数据预测方法，其特征在于，所述获取用户内部设备的运行数据的具体方法为：获取用户内部设备的用能需求类型，根据用能需求类型获取设备的运行数据；当设备的用能需求类型为非电气驱动用能需求时，运行数据包括时间数据、气象预报数据以及前第一预设日的功率数据；当设备的用能需求类型为燃气用能需求时，运行数据包括时间数据、时刻数据、第一用户类型以及前第二预设日的燃气数据；当设备的用能需求类型为用电用能需求时，运行数据包括时间数据、时刻数据、第二用户类型以及前第三预设日的功率数据；当设备的用能需求类型为电能供给用能需求，运行数据包括发电环境数据、气象预报数据、时刻数据以及前第四预设日的最大功率。 6.根据权利要求5所述的能源互联网用户用能数据预测方法，其特征在于，所述功率数据通过采用预设的卷积神经网络对原始功率信息进行数值特征提取，或采用预设的标准化处理方法处理原始功率信息得到；所述时间数据、时刻数据以及气象预报数据，通过将连续的原始时间信息、原始时刻信息以及原始气象预报信息，采用自动编码器转换为离散值得到；所述第一用户类型通过设备的燃气曲线聚类得到，所述第二用户类型通过设备的功率曲线聚类得到。 7.根据权利要求1所述的能源互联网用户用能数据预测方法，其特征在于，所述参与能源转换的意愿程度数据包括用户自身参与意愿数据以及用户周边社交影响数据；其中，用户自身参与意愿数据通过用户交易记录得到，用户周边社交影响数据通过用户调研自身周边后预先设置。 8.一种基于权利要求1所述的能源互联网用户用能数据预测方法的能源互联网用户用能数据预测系统，其特征在于，包括：第一获取模块，用于获取用户内部设备的运行数据；第二获取模块，用于获取用户的用能成本信息、电能市场交易结果信息以及参与能源转换的意愿程度数据；预测模块，用于根据用户内部设备的运行数据以及用户的用能成本信息、电能市场交易结果信息以及参与能源转换的意愿程度数据，通过预设的能源互联网用户模型，得到能源互联网用户用能数据预测结果。