1.本技术涉及计算机技术领域，尤其涉及一种数据处理方法、装置和云设备。
背景技术：2.母线负荷是指变电站的主变压器供给一个区域的各个元件的负荷总和。母线负荷的预测用于保证电网安全的基础，能够使电力工作人员获悉电网负荷动向，进而及时发现并消除电网中的安全隐患，极大的提高电网系统运行的可靠性和稳定性。
3.目前，只采用母线的当前时间的历史负荷数据对未来时段的负荷值进行预测，存在预测准确率低的问题。
技术实现要素：4.本技术的多个方面提供一种数据处理方法、装置和云设备，以提高目前负荷预测的准确率。
5.本技术实施例第一方面提供一种数据处理方法，包括：获取第一母线对应第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。
6.本技术实施例第二方面提供一种数据处理装置，包括：
7.获取模块，用于获取第一母线对应的第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；
8.处理模块，用于将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。
9.本技术实施例第三方面提供一种云设备，包括：处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面的数据处理方法。
10.本技术实施例第四方面提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序被处理器执行时，致使处理器实现第一方面的数据处理方法。
11.本技术实施例应用于电力系统中母线的负荷预测场景，提供的数据处理方法包括：获取第一母线对应第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。本技术实施例采用历史转供数据，其中，历史转供数据是历史转供中实际使用的数据，因此能够准确的预测母线负荷，得到母线的预测负荷值，此外，采用
负荷预测模型进行数据处理能够进一步提高母线预测负荷值的准确率。
附图说明
12.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
13.图1为本技术示例性实施例提供的一种应用场景的示意图；
14.图2为本技术示例性实施例提供的一种数据处理方法的步骤流程图；
15.图3为本技术示例性实施例提供的另一种数据处理方法的步骤流程图；
16.图4为本技术示例性实施例提供的一种训练负荷预测模型方法的步骤流程图；
17.图5为本技术示例性实施例提供的一种数据处理装置的结构框图；
18.图6为本技术示例性实施例提供的一种云设备的结构示意图。
具体实施方式
19.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.针对现有母线的负荷预测场景中，存在只采用母线的当前时间的历史负荷数据对未来时段的负荷值进行预测，存在预测准确率低的问题，本技术实施例提供的数据处理方法包括：获取第一母线对应第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。本技术实施例采用历史转供数据，其中，历史转供数据是历史转供中实际使用的数据，因此能够准确的预测母线负荷，得到母线的预测负荷值，此外，采用负荷预测模型进行数据处理能够进一步提高母线预测负荷值的准确率。
21.在本实施例中，数据处理方法可以是借助云计算系统实现整体的数据处理方法。此外，执行数据处理方法的服务器可以为云服务器，以便借助于云上资源的优势运行各种神经网络模型；相对于云端，数据处理方法也可以应用于常规服务器或服务器阵列等服务端设备。进一步地，执行数据处理方法的终端可以是移动终端等智能终端，在此不加以限定。
22.此外，本技术实施例提供的数据处理方法应用于电力系统中母线的负荷预测场景，例如，对母线的有功负荷和无功负荷做出的预测，其中，负荷预测又分为：超短期母线负荷预测、短期母线负荷预测。超短期母线负荷预测为对未来5分钟至1小时的母线负荷预测，每隔5分钟预测一次。短期母线负荷预测为对未来一日至数日的母线负荷进行预测，每隔15分钟预测一次，则一天预测出96个预测负荷值。
23.示例性地，参照图1，示出本技术实施例数据处理方法的应用场景，其中，图1为一种电力管理系统10，包括：安全区11、安全区12、安全区13、安全区14和外部网络区15。其中，安全区11和安全区12中存储有电网核心数据，安全等级较高。安全区13中存储本技术需要
应用到的服务器，该服务器对负荷预测模型进行训练以及采用训练好的负荷预测模型进行数据处理，作为电力管理系统10的辅助区，安全等级较低。安全区14中存储有工作人员需要应用的应用界面对应的数据，安全等级较低。外部网络区15用于存储通过网络获取的外部数据。
24.进一步地，本技术实施例的数据处理方法是应用在电力系统中，通过获取第一母线对应的第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，进而准确的预测第一母线在预测时段的不同转供路径下的第一预测负荷值。
25.以下结合附图，详细说明本技术各实施例提供的技术方案。
26.图2为本技术示例性实施例提供的一种数据处理方法的步骤流程图。如图2所示该数据处理方法，具体包括以下步骤：
27.s201，获取第一母线对应的第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据。
28.具体地，在电力系统中，母线是可以将配电装置中各个载流分支回路连接在一起，起着汇集、分配和传送电能的作用。母线负荷是指与母线连接的元件的电荷都要流经母线的负荷，母线负荷包括：输出负荷，供电内部负荷、继电保护、电气测量等用电负荷。
29.在本技术实施例中，历史负荷数据包括：历史实际用电负荷。历史负荷数据还可以包括：历史实际用电负荷对应的历史时间信息。进一步地，对于超短期母线负荷预测，历史时间信息以每5分钟为单位，对于短期母线负荷预测，历史实际信息以天为单位。
30.示例性地，若当前时间为3月14日08时00分，对于超短期母线负荷预测，需要预测未来15分钟(3月14日08时15分)的第一母线的负荷。历史负荷数据包括：(3月14日07时40分至3月14日07时45分,15360kw)、(3月14日07时45分至3月14日07时50分，15630kw)、(3月14日07时50分至3月14日07时55分，15450kw)、(3月14日07时55分至3月14日08时00分，15780kw)。若当前时间为3月14日，对于短期母线负荷预测，需要预测未来1天(3月15)的第一母线的负荷。历史负荷数据包括：(3月14日,15536kw)、(3月13日,16000kw)、(3月13日,16435kw)和(3月12日,15860kw)。
31.本技术实施例上述只是示例说明。此外，历史负荷数据是指对第一母线的负荷进行预测具有影响的数据，还可以包括其他数据，如第一母线的特性数据，历史气象数据等，对此不加以限定。
32.进一步地，在母线进行检修时，工作人员会在电力系统中录入检修计划，在实际检修时，会将与检修母线连接的元件运行在另一条母线上，以保证元件的正常运行。具体地，检修计划是电力系统运行计划中的一项重要内容，直接关系电力系统的稳定和用电用户的用电体验，对电力系统的可靠性有很大的影响，科学合理的检修计划是电力系统可靠运行和预防事故发生的重要保障。转供也是电力检修的一种，电力检修中为了防止母线之下的元件在检修时出现局部停电，因此在母线检修时，将该母线下的元件转供至变电站运行的另一条母线，采用另一条母线对该元件进行供电。
33.其中，历史转供数据包括历史转供中实际使用的数据。历史转供数据包括：当前时间前的第一预设时段的转供数据；和/或，上一年的第二预设时段的转供数据，第二预设时段与预测时段表示不同年份的同一时间段。
34.在本技术实施例中，当前时间前的第一预设时段的转供数据，其中，第一预设时段
可以是1天至10天中任一天。例如，若当前时间为2022年3月14日，则第一预设时段可以为2022年3月5日至3月14日。上一年的第二预设时段的转供数据，例如，若当前时间为2022年3月14日，则预测时段为2022年3月15日至3月20日，则第二预设时段可以为2021年3月15日至3月20日。在本技术实施例中，在一年的平常时间，由于第一母线的负荷在气候相近的情况下不会发生太大变化，因此可以采用当前时间前的第一预设时段的转供数据作为历史转供数据。在一年的特殊时间，如节假日，由于居民用电有显著变化，因此可以采用上一年的第二预设时段的转供数据作为历史转供数据。
35.进一步地，历史转供数据包括：转供时间、第一母线的实际负荷值、第二母线对应的变电站标识、第二母线的母线标识和转供负荷值。
36.在电力系统中，变电站控制多个母线，若第一母线需要检修时，则变电站将第一母线的元件从第一母线剥离，转供至变电站的其他母线。通常情况下，转供是在相同变电站的母线之间进行转供，也可以在不同变电站的母线之间进行转供。
37.其中，转供路径包括：其他母线(第二母线)的元件向第一母线转供，则会引起第一母线的负荷增加。或者第一母线的元件向其他母线(第二母线)转供，则会引起第一母线的负荷减少。另外，可以包括多个第二母线，则对应多个转供路径，例如，转供路径a为第一母线至第二母线a，转供路径b为第一母线至第二母线b，转供路径c为第二母线c至第一母线，转供路径d为第二母线d至第一母线。
38.在实际检修过程中，工作人员会先在电力系统中录入检修计划，包括：计划转供时间，第一母线的负荷值、计划转供至变电站的标识，计划转供至母线标识，计划转供的负荷值。而历史转供数据是实际进行检修时的转供数据。示例性地，在3月8日工作人员录入的检修计划是，3月10日对第一母线进检修，预计3月10日第一母线的负荷值为16435kw，计划转供至变电站的标识是s0036，计划转供至母线标识为c4438，计划转供的负荷值为12534kw。对应的实际的历史转供数据为：3月11日对第一母线进检修，3月11日第一母线的实际负荷值为17035kw，计划转供至变电站的标识是s0036，计划转供至第二母线的母线标识为c4447，计划转供的转供负荷值为15534kw。可见，工作人员录入的检修计划，由于是人工填写，存在随意性较大、数据不准确的问题，因此若采用人工录入的检修计划确定第一母线的第一预测负荷值，也会存在不准确的问题。在本技术实施例中采用实际的历史转供数据，由于历史转供数据为实际的转供数据，并且与要预测的第一母线的第一预测负荷值在时间上有一定的关联性，因此能够预测较准确的第一预测负荷值。
39.在本技术实施例中，通过采用历史转供实际采用的历史转供数据，结合历史负荷数据，能够更准确的进行第一预测负荷值的预测，避免仅使用历史负荷数据进行第一预测负荷值的预测存在不准确的问题。
40.s202，将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值。
41.其中，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。
42.在本技术实施例中，负荷预测模型是预先训练好的，可以根据历史负荷数据和历史转供数据准确的确定第一母线在预测时段的不同转供路径下的第一预测负荷值。例如，若历史转供数据是转供路径a对应的转供数据，则第一预测负荷值为转供路径a下对应的第
一母线的预测负荷值。若历史转供数据是转供路径b对应的转供数据，则第一预测负荷值为转供路径b下对应的第一母线的预测负荷值。
43.一种可选实施例中，将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，包括：获取预测时段对应的用电场景数据，用电场景数据包括：气象数据、时间数据、用电环境数据或突发事件数据中的至少一项；将用电场景数据、历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值。
44.其中，气象数据可以是预测时段的预报天气数据，参照图1，预报气象数据可以是根据外部网络区15通过网络得到得。例如，若需要预测未来7天的第一母线的负荷。则预报气象数据可以是未来7天的气象数据。例如，对于上述当前时间为3月14日08时00分，需要预测未来15分钟(3月14日08时15分)的第一母线的负荷，则预报气象数据为3月14日08时15分对应的气象数据。若当前时间为3月14日，对于短期母线负荷预测，需要预测未来1天(3月15)的第一母线的负荷，则预报气象数据为3月15对应的气象数据。
45.此外，时间数据是指预测时段的时间信息，例如，一年的7月至9月、11月至2月属于用电旺季，其他月份为用电淡季，一天的19时至21时为用电高峰期。用电环境数据包括：第一母线用于工业用电、居民用电等环境。突发事件数据包括：限电等事件会导致用电量会大减或者其他事件导致用电量会大增。
46.其中，负荷预测模型可以是一个完整的网络模型，如极端梯度提升模型(xgbooste，xtreme gradient boosting)、长短期记忆网络模型(lstm，long short-term memory)。此外，负荷预测模型还可以采用其他神经网络技术，在此不加以限定。
47.在本技术实施例中，采用历史转供实际采用的历史转供数据，结合历史负荷数据，能够对第一母线不同转供路径下的第一预测负荷值进行更准确的预测，进而能够给工作人工提供较为科学的检修指导，并且在存在检修计划时，可以准确的预测第一预测负荷值，实现整个电力工业的安全、节能和高效运作，并且能够为电力的调度管理提供数据支撑，进一步提高电力安全校核的准确率。
48.在本技术实施例中，提供了另一种数据处理方法，如图3所示，该数据处理方法具体包括以下步骤：
49.s301，获取第一母线对应的第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据。
50.其中，一种可选实施例中，获取历史转供数据，包括：将用电场景数据输入日期确定模型进行数据处理，得到日期结果，日期结果用于表示确定当前时间前的第一预设时段的转供数据为历史转供数据，或确定上一年的第二预设时段的转供数据为历史转供数据，第二预设时段与预测时段表示不同年份的同一时间段，根据日期结果，获取历史转供数据。
51.其中，日期确定模型为knn(k-nearst-neighbor，一种算法模型)，具体地，可以将气象数据、时间数据、用电环境数据或突发事件数据(如，限电数据)中的至少一项输入日期确定模型进行数据处理，输出的日期结果表示第一预设时间段或第二预设时间段。其中，日期确定模型采用马氏距离度量(mahalanobis distance metric)算法，马氏距离度量可以有效消除不同因素之间量纲的差异。
52.s302，将历史负荷数据输入负荷预测模型的第一预测子模型进行数据处理，得到
第二预测负荷值。
53.在本技术实施例中，第一预测子模型时预先训练好的，第一预测子模型采用xgbooste，lstm神经网络技术。
54.其中，若在预测时段没有检修计划，则第二预测负荷值作为最终的预测负荷值。若在预测时段有检修计划，则需要考虑转供，因此将第一预测负荷值作为最终的预测负荷值。
55.在本技术实施例中，通过第一预测子模型可以对没有检修计划时，第一母线的负荷值进行预测，进而扩展本技术的应用。
56.s303，接收检修计划。
57.其中，检修计划包括：在预测时段对第一母线或第二母线进行检修。在本技术实施例中，工人还需要录入检修计划，检修计划可以包括多种数据，如对第一母线还是第二母线进行检修。
58.s304，将第二预测负荷值和历史转供数据输入负荷预测模型的第二预测子模型进行数据处理，得到第一预测负荷值。
59.其中，第二预测子模型也是预先训练好的，第二预测子模型也可以采用xgbooste，lstm神经网络技术。
60.一种可选实施例中，s304之后，还包括：向终端设备发送第一预测负荷值；接收终端设备发送的第二预测负荷值，第二预测负荷值是运维人员根据第一预测负荷值输入在终端设备的；根据第一预测负荷值和第二预测负荷值，调整负荷预测模型的模型参数。其中，运维人员是具有专业知识的工作人员，该运维人员在获取到第一预测负荷值时，可以根据自身的专业知识，调整第一预测负荷值，得到第二预测负荷值，则终端设备在获取到第二预测负荷值后，向服务器发送第二预测负荷值，服务器通过采用预设损失函数计算第一预测负荷值和第二预测负荷值的损失值，调整负荷预测模型的模型参数，进而达到优化负荷预测模型的效果。
61.s305，根据检修计划，在多个转供路径下的第一预测负荷值中确定目标预测负荷值。
62.在上述实施例中，不同转供路径对应不同的第一预测负荷值，若检修计划是对第一母线进行检修，则可以在转供路径a为第一母线至第二母线a，转供路径b为第一母线至第二母线b对应的第一预测负荷值中确定一个为目标预测负荷值，可以确定其中最大的第一预测负荷值为目标预测负荷值，以后需可以保障第一母线的安全性。若检修计划是对第二母线c进行检修，则可以将转供路径c对应的第一预测负荷值确定为目标预测负荷值。
63.一种可选实施例，可以将不同转供路径下的第一预测负荷值进行显示，供工作人员根据电力的调度情况，在检修时选择一种转供路径，进行实现对电力检修的指导。
64.在本技术实施例中，并不限定第一预测负荷值的具体应用场景，第一预测负荷值能够对电力工业安全、电力的节能和高效运作提供有效的数据支撑。
65.s306，获取至少一种突发情况下母线对应的参考负荷值。
66.其中，突发情况可以是社会突发情况或者电力突发情况。社会突发情况如需要居民全体在家禁止外出，电力突发情况如限电等。
67.在本技术实施例中，参考负荷值是基于历史电力知识数据分析得到的。其中，历史电力知识数据是指历史发生类似突发情况下对应变化的参考负荷值。历史电力知识数据结
合了专家经验知识。例如，若需要居民全体在家禁止外出，则通常母线的负荷通常会比实际预测的高，高出的部分则为根据历史电力知识数据分析得到的参考负荷值。若电力突发情况如限电，则通常母线的负荷通常会比实际预测的低，低处的部分则为根据历史电力知识数据分析得到的参考负荷值。
68.s307，根据参考负荷值调整目标预测负荷值。
69.在本技术实施例中，若参考负荷值表示需要调高目标预测负荷值，则将目标预测负荷值加上参考负荷值，实现目标预测负荷值的调整。若参考负荷值表示需要降低目标预测负荷值，则将目标预测负荷值减去参考负荷值，实现目标预测负荷值的调整。
70.在本技术实施例中，通过考虑到检修以及突发情况对第一母线的预测负荷值的影响，能够准确的确定母线的预测负荷值，进而提高电力的稳定性。
71.在本技术实施例中，参照图4，采用图4的步骤进行负荷预测模型的训练，具体包括以下步骤：
72.s401，获取训练样本。
73.其中，训练样本包括：样本负荷数据和样本转供数据。例如，样本负荷数据是第一时段前的负荷数据，样本转供数据也是第一时段前的转供数据。
74.s402，获取标签数据。
75.其中，标签数据表示训练样本对应的母线负荷值。例如，标签数据是第二时段实际的母线负荷值，第二时段为第一时段后的预测时段。进一步地，标签数据是在第二时段发生检修时对应的母线负荷值。
76.s403，根据样本负荷数据、样本转供数据和标签数据，训练负荷预测模型。
77.具体为，将样本负荷数据和样本转供数据输入负荷预测模型，得到预测负荷值；然后计算预测负荷值和标签数据的损失值，若损失值小于预设损失值，则得到训练完成的负荷预测模型。若损失值大于或等于预设损失值，则根据损失值调整负荷预测模型的模型参数，并继续进行训练。
78.一种可选实施例中，若负荷预测模型包括：第一预测子模型和第二预测子模型。则第一预测子模型对应的第一训练样本包括：样本负荷数据。对应的第一标签数据为是没有发生检修状态对应的母线负荷值。先采用第一训练样本和第一标签数据对第一预测子模型进行训练，在第一预测子模型训练结束后，再对第二预测子模型进行训练。其中，第二预测子模型对应的训练样本包括：样本负荷数据和样本转供数据，标签数据是发生检修时对应的母线负荷值。第二预测子模型的训练过程为，先将样本负荷数据输入训练好的第一预测子模型进行数据处理，得到第一负荷值，将预测负荷值和样本转供数据输入第二预测子模型进行数据处理，得到第二负荷值，根据第二负荷值和标签数据，对第二预测子模型的模型参数进行调整，直到得到训练完成的第二预测子模型。
79.在本技术实施例中，通过训练负荷预测模型，能够准确的确定在检修和没有检修情况下的母线的预测负荷值，进而保证电力系统的稳定。
80.在本技术实施例中，参照图5，除了提供数据处理方法之外，还提供一种数据处理装置50，该数据处理装置50包括：
81.获取模块51，用于获取第一母线对应的第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；
82.处理模块52，用于将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。
83.在一可选实施例中，处理模块52具体用于，将历史负荷数据输入负荷预测模型的第一预测子模型进行数据处理，得到第二预测负荷值；将第二预测负荷值和历史转供数据输入负荷预测模型的第二预测子模型进行数据处理，得到第一预测负荷值。
84.在一可选实施例中，数据处理装置50还包括：
85.接收模块(未示出)，用于接收检修计划，检修计划包括：在预测时段对第一母线或第二母线进行检修。
86.确定模块(未示出)，用于根据检修计划，在多个转供路径下的第一预测负荷值中确定目标预测负荷值。
87.在一可选实施例中，数据处理装置50还包括：
88.参考负荷值获取模块(未示出)，用于获取至少一种突发情况下母线对应的参考负荷值，参考负荷值是基于历史电力知识数据分析得到的；
89.调整模块，用于根据参考负荷值调整目标预测负荷值。
90.在一可选实施例中，处理模块52具体用于，获取预测时段对应的用电场景数据，用电场景数据包括：气象数据、时间数据、用电环境数据或突发事件数据中的至少一项；将用电场景数据、历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值。
91.在一可选实施例中，获取模块51具体用于，将用电场景数据输入日期确定模型进行数据处理，得到日期结果，日期结果用于表示确定当前时间前的第一预设时段的转供数据为历史转供数据，或确定上一年的第二预设时段的转供数据为历史转供数据，第二预设时段与预测时段表示不同年份的同一时间段；根据日期结果，获取历史转供数据。
92.在一可选实施例中，数据处理装置50还包括：
93.发送模块(未示出)，用于向终端设备发送第一预测负荷值；
94.接收模块(未示出)，用于接收终端设备发送的第二预测负荷值，第二预测负荷值是运维人员根据第一预测负荷值输入在终端设备的；
95.调整模块(未示出)，用于根据第一预测负荷值和第二预测负荷值，调整负荷预测模型的模型参数。
96.在一可选实施例中，历史转供数据包括：转供时间、第一母线的实际负荷值、第二母线对应的变电站标识、第二母线的母线标识和转供负荷值。
97.在一可选实施例中，数据处理装置50还包括：训练模块(未示出)，用于通过以下方式训练得到负荷预测模型：
98.获取训练样本，训练样本包括：样本负荷数据和样本转供数据；获取标签数据，标签数据表示训练样本对应的母线负荷值；根据样本负荷数据、样本转供数据和标签数据，训练负荷预测模型。
99.本技术实施例提供的数据处理装置，采用历史转供实际采用的历史转供数据，结合历史负荷数据，能够对第一母线不同转供路径下的第一预测负荷值进行更准确的预测，进而能够给工作人工提供较为科学的检修指导，并且在存在检修计划时，可以准确的预测
第一预测负荷值，实现整个电力工业的安全、节能和高效运作，并且能够为电力的调度管理提供数据支撑，进一步提高电力安全校核的准确率。
100.另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
101.图6为本技术示例性实施例提供的一种云设备的结构示意图。该云设备用于运行上述数据处理方法。如图6所示，该云设备包括：处理器64和处理器65。
102.处理器64，用于存储计算机程序，并可被配置为存储其它各种数据以支持在云设备上的操作。该处理器64可以是对象存储(object storage service，oss)。
103.处理器64可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
104.处理器65，与处理器64耦合，用于执行处理器64中的计算机程序，以用于：获取第一母线对应第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值，转供路径包括：将第一母线的第一元件转供给第二母线，或者将第二母线的第二元件转供给第一母线。
105.进一步可选地，处理器65在将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值时，具体用于：将历史负荷数据输入负荷预测模型的第一预测子模型进行数据处理，得到第二预测负荷值；将第二预测负荷值和历史转供数据输入负荷预测模型的第二预测子模型进行数据处理，得到第一预测负荷值。
106.进一步可选地，处理器65还用于：接收检修计划，检修计划包括：在预测时段对第一母线或第二母线进行检修；根据检修计划，在多个转供路径下的第一预测负荷值中确定目标预测负荷值。
107.进一步可选地，处理器65还用于：获取至少一种突发情况下母线对应的参考负荷值，参考负荷值是基于历史电力知识数据分析得到的；根据参考负荷值调整目标预测负荷值。
108.在一可选实施例中，处理器65在将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值时，具体用于获取预测时段对应的用电场景数据，用电场景数据包括：气象数据、时间数据、用电环境数据或突发事件数据中的至少一项；将用电场景数据、历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值。
109.在一可选实施例中，处理器65在获取历史转供数据时，具体用于将用电场景数据输入日期确定模型进行数据处理，得到日期结果，日期结果用于表示确定当前时间前的第一预设时段的转供数据为历史转供数据，或确定上一年的第二预设时段的转供数据为历史转供数据，第二预设时段与预测时段表示不同年份的同一时间段；根据日期结果，获取历史转供数据。
110.在一可选实施例中，处理器65还用于：向终端设备发送第一预测负荷值；接收终端设备发送的第二预测负荷值，第二预测负荷值是运维人员根据第一预测负荷值输入在终端设备的；根据第一预测负荷值和第二预测负荷值，调整负荷预测模型的模型参数。
111.在一可选实施例中，处理器65还用于：通过以下方式训练得到负荷预测模型：获取训练样本，训练样本包括：样本负荷数据和样本转供数据；获取标签数据，标签数据表示训练样本对应的母线负荷值；根据样本负荷数据、样本转供数据和标签数据，训练负荷预测模型。
112.进一步地，如图6，该云设备还包括：防火墙61、负载均衡器62、通信组件66、电源组件68等其它组件。图6中仅示意性给出部分组件，并不意味着云设备只包括图6所示组件。
113.本技术实施例提供的云设备，采用历史转供实际采用的历史转供数据，结合历史负荷数据，能够对第一母线不同转供路径下的第一预测负荷值进行更准确的预测，进而能够给工作人工提供较为科学的检修指导，并且在存在检修计划时，可以准确的预测第一预测负荷值，实现整个电力工业的安全、节能和高效运作，并且能够为电力的调度管理提供数据支撑，进一步提高电力安全校核的准确率。
114.相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序/指令被处理器执行时，致使处理器实现图2或图3所示方法中的步骤。
115.相应地，本技术实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器实现图2或图3所示方法中的步骤。
116.上述图6的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关文本。在一个示例性实施例中，通信组件还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
117.上述图6的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
118.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
119.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
120.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
121.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
122.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
123.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
124.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现文本存储。文本可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的文本。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
125.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
126.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。
技术特征：1.一种数据处理方法，其特征在于，包括：获取第一母线对应的第一历史时间内的历史负荷数据以及所述第一母线在不同转供路径下的历史转供数据，所述历史转供数据包括历史转供中实际使用的数据；将所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值，所述转供路径包括：将所述第一母线的第一元件转供给第二母线，或者将所述第二母线的第二元件转供给所述第一母线。2.根据权利要求1所述的数据处理方法，其特征在于，所述将所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值，包括：将所述历史负荷数据输入所述负荷预测模型的第一预测子模型进行数据处理，得到第二预测负荷值；将所述第二预测负荷值和所述历史转供数据输入所述负荷预测模型的第二预测子模型进行数据处理，得到所述第一预测负荷值。3.根据权利要求2所述的数据处理方法，其特征在于，还包括：接收检修计划，所述检修计划包括：在所述预测时段对所述第一母线或所述第二母线进行检修；根据所述检修计划，在多个转供路径下的第一预测负荷值中确定目标预测负荷值。4.根据权利要求3所述的数据处理方法，其特征在于，所述根据所述检修计划，在多个转供路径下的第一预测负荷值中确定目标预测负荷值之后，还包括：获取至少一种突发情况下母线对应的参考负荷值，所述参考负荷值是基于历史电力知识数据分析得到的；根据所述参考负荷值调整所述目标预测负荷值。5.根据权利要求1至4任一项所述的数据处理方法，其特征在于，所述将所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值，包括：获取所述预测时段对应的用电场景数据，所述用电场景数据包括：气象数据、时间数据、用电环境数据或突发事件数据中的至少一项；将所述用电场景数据、所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值。6.根据权利要求5所述的数据处理方法，其特征在于，获取所述历史转供数据，包括：将所述用电场景数据输入日期确定模型进行数据处理，得到日期结果，所述日期结果用于表示确定当前时间前的第一预设时段的转供数据为所述历史转供数据，或确定上一年的第二预设时段的转供数据为所述历史转供数据，所述第二预设时段与所述预测时段表示不同年份的同一时间段；根据所述日期结果，获取所述历史转供数据。7.根据权利要求1至4任一项所述的数据处理方法，其特征在于，所述将所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值之后，还包括：
向终端设备发送所述第一预测负荷值；接收所述终端设备发送的第二预测负荷值，所述第二预测负荷值是运维人员根据所述第一预测负荷值输入在所述终端设备的；根据所述第一预测负荷值和所述第二预测负荷值，调整所述负荷预测模型的模型参数。8.根据权利要求1至4任一项所述的数据处理方法，其特征在于，所述历史转供数据包括：转供时间、第一母线的实际负荷值、所述第二母线对应的变电站标识、所述第二母线的母线标识和转供负荷值。9.根据权利要求1至4任一项所述的数据处理方法，其特征在于，所述负荷预测模型是通过以下方式训练得到的：获取训练样本，所述训练样本包括：样本负荷数据和样本转供数据；获取标签数据，所述标签数据表示所述训练样本对应的母线负荷值；根据所述样本负荷数据、所述样本转供数据和所述标签数据，训练所述负荷预测模型。10.一种数据处理装置，其特征在于，包括：获取模块，用于获取第一母线对应的第一历史时间内的历史负荷数据以及所述第一母线在不同转供路径下的历史转供数据，所述历史转供数据包括历史转供中实际使用的数据；处理模块，用于将所述历史负荷数据和所述历史转供数据输入负荷预测模型进行数据处理，得到所述第一母线在预测时段的不同转供路径下的第一预测负荷值，所述转供路径包括：将所述第一母线的第一元件转供给第二母线，或者将所述第二母线的第二元件转供给所述第一母线。11.一种云设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的数据处理方法。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，致使处理器实现如权利要求1至9中任一项所述的数据处理方法。
技术总结本申请提供一种数据处理方法、装置和云设备，该数据处理方法包括：获取第一母线对应第一历史时间内的历史负荷数据以及第一母线在不同转供路径下的历史转供数据，历史转供数据包括历史转供中实际使用的数据；将历史负荷数据和历史转供数据输入负荷预测模型进行数据处理，得到第一母线在预测时段的不同转供路径下的第一预测负荷值。本申请采用历史转供中实际使用的历史转供数据能够准确的预测母线负荷，此外，采用负荷预测模型进行数据处理能够进一步提高母线预测负荷值的准确率。进一步提高母线预测负荷值的准确率。进一步提高母线预测负荷值的准确率。
技术研发人员：邹晨俊 蒋虎 刘乐 陈纬奇 印卧涛
受保护的技术使用者：阿里巴巴（中国）有限公司
技术研发日：2022.03.25
技术公布日：2022/7/4
