(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111404772.8 (22)申请日 2021.11.24 (71)申请人 清华大学 地址 100084 北京市海淀区清华园 申请人 国网浙江省电力有限公司营销服 务 中心 (72)发明人 仇瑜　高云鹏　褚晓泉　朱一凡　 唐杰　胡若云　王朝亮　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 单冠飞 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于异构网络分析的工业用户用电行为预 测方法及系统 (57)摘要 本申请提出的基于异构网络分析的工业用 户用电行为预测方法、 系统及存储介质中， 获取 工业用户的用户特征， 并根据用户特征构建多源 异构数据表， 其中， 用户特征包括基本特征、 行为 特征和环 境特征， 对多源异构数据表进行消歧匹 配和数据融合， 得到结构化数据， 然后挖掘结构 化数据中基本特征、 行为特征和环 境特征之间的 显式关系关联， 再基于结构化数据的显示关系关 联， 利用图卷积神经网络得到结构化数据的图网 络结构， 并根据图网络结构利用图注 意力机制预 测工业用户的用电量。 由此， 本申请的实施例中， 提高了预测结果的准确度， 进而使得电网高效发 挥应有效能， 有效提供针对性的电力资源， 保证 生产效率。 权利要求书2页 说明书7页 附图3页 CN 114298371 A 2022.04.08 CN 114298371 A 1.一种基于异构网络分析的工业用户用电行为预测方法， 其特 征在于， 包括以下步骤： S1、 获取工业用户的用户特征， 并根据所述用户特征构建多源异构数据表， 其中， 所述 用户特征包括基本特 征、 行为特 征和环境特 征； S2、 对所述多源异构数据表进行消歧 匹配和数据融合， 得到结构化数据； S3、 挖掘所述结构化数据中所述基本特 征、 行为特 征和环境特 征之间的显式关系关联； S4、 基于所述结构化数据的显示关系关联， 利用图卷积神经网络得到所述结构化数据 的图网络结构； S5、 根据所述图网络结构， 利用图注意力机制预测工业用户用电量。 2.如权利要求1中所述的方法， 其特征在于， 所述对异构数据进行消歧匹配和数据融合 包括： 利用公式一计算 不同用电量节点的相同属性的关系相似度， 其中， 所述公式一 为： 其中， A1,A2为两个不同的用电量节点， rn为A1出现的全部属性序列， r ′n为A2出现的全部 属性序列。 是节点A1在属性rn上的关系属性值。 rn和r′n为在不同用电量节点中的相同属 性。 为A1,A2用电量节点在对应属性上的关系相似度。 基于不同用电量节点的相同属性的关系相似度， 通过相似度聚合函数计算不同用电量 节点的最终相似度。 3.如权利要求1中所述的方法， 其特征在于， 所述利用启发式规则方法挖掘所述结构化 数据的显式关系关联包括以各类本体作为主节点， 通过一步直接 关联节点匹配， 得到结果 ‑ 本体‑结果的显示关系关联。 4.如权利要求1中所述的方法， 其特征在于， 所述基于所述结构化数据的显示关系关 联， 利用图卷积神经网络得到所述结构化数据的图网络结构包括以下步骤： 初始化每个用电量节点的嵌入向量Vi， 其中， i＝1， 2， 3， ......， N， N为用电量节点的数 量； 收集所述每 个用电量节点的关系节点， 构成所述每 个用电量节点的候选关系集Ci； 计算所述每 个用电量节点与所述用电量节点的候选集中每 个候选向量的相似度； 利用TopK 方法从每 个用电量节点的相似度中选择 K个节点构成邻接矩阵A。 5.如权利要求1中所述的方法， 其特征在于， 所述根据所述图网络结构， 利用图注意力 机制预测工业用户用电量包括以下步骤： 获取历史滑动时间窗的数据； 利用所述数据和所述邻接矩阵A计算每 个用电量节点的聚合表示； 根据所述每 个用电量节点的聚合表示预测每 个用电量节点的用户量。 6.一种基于异构网络分析的工业用户用电行为预测系统， 其特 征在于， 包括以下模块： 获取模块， 用于获取工业用户的用户特征， 并根据 所述用户特征构建多源异构数据表， 其中， 所述用户特 征包括基本特 征、 行为特 征和环境特 征； 第一处理模块， 用于对所述多源异构数据表进行消歧匹配和数据融合， 得到结构化数 据；权　利　要　求　书 1/2 页 2 CN 114298371 A 2挖掘模块， 用于挖掘所述结构化数据中所述基本特征、 行为特征和环境特征之间的显 式关系关联； 第二处理模块， 用于基于所述结构化数据的显示关系关联， 利用图卷积神经网络得到 图网络结构； 预测模块， 用于根据所述图网络结构， 利用注意力机制预测工业用户用电量。 7.如权利要求6中所述的系统， 其特征在于， 所述挖掘模块用于以各类本体作为主节 点， 通过一 步直接关联节点匹配， 得到结果 ‑本体‑结果的显示关系关联。 8.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在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程序时， 实现如权利要求1 ‑5中任一所述的方 法。 9.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1 ‑5中任一项所述方法。权　利　要　求　书 2/2 页 3 CN 114298371 A 3