[发明专利]一种基于深度决策树算法的电力负荷特性挖掘方法

权利要求书

1.一种基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，包括以下步骤：

S110、通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的因素数据进行采集；

S120、对所采集的电力用户负荷特性数据及影响电力负荷变化的因素数据进行预处理，建立训练数据样本集和测试集；

S130、根据用户需要自行设置深度决策树模型超参数，即深度决策树算法中的初始森林模型参数；

S140、利用训练数据样本集对深度决策树模型进行训练，开始形成包含电力负荷数据特性提取挖掘过程和具有一定深度的逐层处理的深度决策树模型；

S150、利用测试集对当前形成的深度决策树模型进行测试，自动确定深度决策树模型深度，若准确率有所提高则继续加大模型深度，否则停止增加深度决策树的深度；

S160、得到训练完成的深度决策树模型后，向模型中输入需要进行负荷特性挖掘的观测值数据，最终输出负荷特性预测结果。

2.根据权利要求1所述的基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，所述深度决策树参数包括：决策树产生方法、决策树的棵数、决策树的停止生长的条件、深度决策树提取样本数据特性的方法。

3.根据权利要求1所述的基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，所述深度决策树模型具有的电力系统负荷特性挖掘的阶段为：

(1)电力负荷数据特性提取挖掘过程：对现有收集的电力负荷特征数据利用决策树进行深层特征提取，获得更具代表性的特征属性；

(2)具有一定深度的逐层挖掘过程：利用深度决策树结构，对所提取获得的更具代表性的特征属性进行深度的电力负荷特性挖掘。

4.根据权利要求3所述的基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，所述电力负荷数据特性提取挖掘过程的具体步骤为，设置取值窗口，对电力负荷序列数据进行滑动取值，将取值所得的每个小片段输入由多棵决策树组成的森林模型进行处理，得到具有增强特性的电力负荷数据特征片段，并将所有特征数据片段拼接，输出一个比原始电力负荷数据更具表征能力的增强向量；所述具有一定深度的逐层挖掘过程的具体步骤为，向训练完成的深度决策树模型输入增强向量，每一层决策树集合将产生增强向量作为下一层的输入，逐层处理，信息逐层传递，直至得到最终结果。

5.根据权利要求1所述的基于深度决策树算法的电力负荷特性挖掘方法，其特征在于，所述利用测试集对当前形成的深度决策树模型进行测试，自动确定深度决策树模型深度，对于当前形成的深度决策树模型，算法将利用测试集对现有模型的能力进行测试，深度决策树算法训练过程不断加大深度，直至模型的能力不再提高为止。