[发明专利]一种节电潜力量化预测方法

说明书

本发明涉及一种节电潜力量化预测方法，该方法包括以下步骤：提取行业用户用电数据，从用户用电数据中获取用电特性指标，通过聚类分析划分用电群体；建立节电潜力预测模型，对同一用电群体内进行标杆选取，将标杆用电量输入节电潜力预测模型获得未来节电潜力预测值。与现有技术相比，本发明具有节电潜力量化，更直观的指导用电行为并且预测准确度高等优点。

技术领域

本发明涉及节能领域，尤其是涉及一种节电潜力量化预测方法。

背景技术

我国进入二十一世纪以来迎来了一个建设发展的高速发展期，2010年我国GDP超过日本成为全球第二大经济体，未来我国可能将宠爱过美国成为全球第一的能源消耗大国，但我国单位GDP能耗却仍是世界平均水平的三倍左右，在国际上处于很落后的位置。

因此对于用户节电潜力进行评估并对节电潜力进行量化计算，从而对高耗电用户提供节电提醒和预警，有利于为社会节能作出贡献。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种节电潜力量化预测方法。

本发明的目的可以通过以下技术方案来实现：

一种节电潜力量化预测方法，所述的方法包括以下步骤：

S1、提取行业用户用电数据，从用户用电数据中获取用电特性指标，通过聚类分析划分用电群体；

S2、建立节电潜力预测模型，对同一用电群体内进行标杆选取，将标杆用电量输入节电潜力预测模型获得未来节电潜力预测值。

优选地，步骤S1中对行业用户用电数据进行提取时，以15min为间隔采集功率数据，每天96个点。

优选地，步骤S1所述的用电特性指标包括日均用电量、日均峰时用电、日均谷时用电、峰谷电量比和日均负荷率。

优选地，步骤S1中所述的通过聚类分析划分用电群体具体包括以下步骤：

S101、采用分类适确性指标自适应选择最优的聚类数；

S102、选定k个中心μ_k的初值；

S103、将每个数据点归类到距离其最近的中心点所代表的聚类中；

S104、获取每个聚类的新的中心点μ_k，并重复S103，迭代至最大步数或者前后的聚类准则函数值相差小于设定阈值为止。

优选地，步骤S2中建立节电潜力预测模型具体包括以下步骤：

S201：以气象和社会因素历史数据作为输入，以目标用户日节电潜力作为输出，形成样本数据集D；

S202、使用交叉验证法分别形成训练集和测试集，并利用XGBoost决策树算法建立节电潜力预测模型。

优选地，利用XGBoost决策树算法建立节电潜力预测模型具体为：设定XGBoost模型参数，包括基本参数和训练参数，对模型进行训练，训练结束后，利用测试集参数对模型进行预测精度判断，若预测精度不满足设定值则重新设置参数，继续训练，直至满足精度要求。

优选地，步骤S202中使用交叉验证法分别形成训练集和测试集具体为：将数据集D等比例分为D1-D10，将D1作为测试集，D2-D10作为训练集，计算评价指标，之后将D2作为测试集，D1，D3-D10作为训练集，在每一轮迭代过程中，均采用交叉验证的方法进行预测模型评价指标计算。

与现有技术相比，本发明具有以下优点：

1、通过节电潜力预测，可以在未来节电潜力较高时提前提醒用户，关注自身用电习惯，督促高耗电用户及时进行节电改造；

2、节电潜力量化，更直观地指导用电行为。