[发明专利]一种预测用户用电负荷的方法

说明书

技术领域

本发明涉及电力系统技术领域，特别是指一种预测用户用电负荷的方法。

背景技术

随着智能电网、微网的建设与信息技术的发展，使得具有预测以及预警等功能的智能系统的建设备受关注。对于电力市场决策起着关键作用的负荷预测数据愈加庞大和杂乱，准确及时地预测电力负荷在电力系统规划和运行中有重要作用。现有技术中，一般利用获取到的所有用户的用电负荷信息来预测单用户的用户负荷，预测结果准确率低。

发明内容

本发明要解决的技术问题是提供一种预测用户用电负荷的方法，以解决现有技术所存在的预测结果准确率低的问题。

为解决上述技术问题，本发明实施例提供一种预测用户用电负荷的方法，包括：

获取多个用户的用电负荷历史数据，对获取的用电负荷历史数据进行分类，将每类结果中的部分历史数据作为训练集；

构建用户的用电负荷影响指标；

将构建的用电负荷影响指标作为特征、所述训练集作为目标集，利用决策树来构建分类器；

获取待预测用户针对构建的用电负荷影响指标的指标值，将指标值输入所述分类器来预测出所述待预测用户所属的类别，针对所述待预测用户所属类别的用电负荷历史数据通过神经网络算法预测所述待预测用户的用电负荷。

进一步地，所述对获取的用电负荷历史数据进行分类包括：

利用层次聚类算法对获取的用电负荷历史数据进行分类。

进一步地，所述利用层次聚类算法对获取的用电负荷历史数据进行分类包括：

利用凝聚层次聚类算法对获取的用电负荷历史数据进行分析，按每天用电负荷走势进行聚类、划分类别。

进一步地，所述用电负荷影响指标包括：气温、星期、是否是节假日、节假日一天、节假日两天、节假日三天、节假日四天和节假日五天。

进一步地，所述构建用户的用电负荷影响指标包括：

初步确定用户的用电负荷影响指标；

确定用电负荷与初步确定的每一用电负荷影响指标之间的关联度；

判断关联度是否大于预设阈值；

若大于预设的阈值，则将初步确定的且关联度大于预设阈值的用电负荷影响指标作为最终的用电负荷影响指标。

进一步地，所述确定用电负荷与初步确定的每一用电负荷影响指标之间的关联度包括：

利用灰色关联分析法，确定用电负荷与初步确定的每一用电负荷影响指标之间的关联度。

进一步地，所述将构建的用电负荷影响指标作为特征、所述训练集作为目标集，利用决策树来构建分类器包括：

S1，将构建的用电负荷影响指标作为特征，所述训练集中所有训练样本看作一个节点；

S2，遍历每个用电负荷影响指标的每一种分割方式，按照预设的确定最优分割点的条件，确定最优分割点；

S3，根据确定的最优分割点，将一个节点分割成两个节点N1和N2

S4，对节点N1和N2分别继续执行S2-S3，直到每个节点满足预设的分类条件。

进一步地，在将构建的用电负荷影响指标作为特征，训练集作为目标集，利用决策树来构建分类器之后，所述方法还包括：

将每类结果中的剩余历史数据作为测试集；

利用用电负荷影响指标以及所述测试集对分类器进行验证，将验证结果记录在混淆矩阵中；

根据混淆矩阵结果修正分类器。

进一步地，获取待的预测用户针对构建的用电负荷影响指标的指标值为要预测的某天的指标值。

本发明的上述技术方案的有益效果如下：

上述方案中，获取多个用户的用电负荷历史数据，对获取的用电负荷历史数据进行分类，将每类结果中的部分历史数据作为训练集；构建用户的用电负荷影响指标；将构建的用电负荷影响指标作为特征、所述训练集作为目标集，利用决策树来构建分类器；获取待预测用户针对构建的用电负荷影响指标的指标值，将指标值输入所述分类器来预测出所述待预测用户所属的类别，针对所述待预测用户所属类别的用电负荷历史数据通过神经网络算法预测所述待预测用户的用电负荷。这样，通过根据待预测用户所属的类别的用电负荷历史数据，通过神经网络算法预测所述待预测用户的用电负荷，与利用获取到的所有用户的用电负荷信息来预测单用户的用户负荷相比，预测结果更加准确。

附图说明

图1为本发明实施例提供的预测用户用电负荷的方法的流程示意图；

图2为本发明实施例提供的1997年整年的用电负荷数据示意图；

图3为本发明实施例提供的聚类结果示意图一；