[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

说明书

本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法，该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先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诸多因素数据进行采集，对所收集的电力负荷数据以及其他因素数据进行预处理，建立训练数据集，利用所建立的训练数据集对深度决策树算法进行训练，最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外，采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法，该算法具有无需大量设置超参数、自行确定模型深度的优点，可对有效对电力负荷特性进行智能挖掘，所得结果可服务于电网企业调度、运行等多方面。

技术领域

本发明涉及电力负荷特性分析领域，特别是涉及一种基于深度决策树算法的电力负荷特性挖掘方法。

背景技术

电力系统应当对各类用户提供安全可靠、合乎标准的电能，时刻满足电力用户即负荷的电量需求。随着社会经济快速发展、产业结构升级、全球气候环境变化、以及人民生活水平不断提高，电力负荷特性较之前发生了较大的变化。这对电力系统保证电力平衡、时刻安全稳定运行产生了冲击。为了应对这样一个局面，对电力负荷特性进行深度的挖掘，把握新形势下电力负荷特性的变化规律是一个有效解决该问题的措施。

电力负荷特性分析的传统方法往往是统计分析法，无法深入地对电力负荷特性进行深入地挖掘分析。只能获得粗略的电力系统负荷特性分类和简单分析结果。这种方法耗时费力，无法及时响应快速变化的电力负荷特性变化。因此寻找一个快速高效的方法来对电力系统负荷特性进行挖掘是一个亟待解决的问题。

发明内容

针对以上技术问题，本发明提出一种基于深度决策树算法的电力负荷特性挖掘方法，其通过利用深度决策树算法，对基本的电力负荷特性的提取和逐层处理，来达到对电力系统负荷特性进行深度挖掘的目标，从而指导电力企业安全调度和稳定运行。

一种基于深度决策树算法的电力负荷特性挖掘方法，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诸多因素数据进行采集，所用的电力系统智能采集装置应具备高频采集功能，且应具备将海量电力系统负荷特性数据及影响电力负荷变化的诸多因素数据进行储存的功能；

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诸多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。

优选的，所述的电力用户负荷特征数据包括：分时域的负荷特性、频域功率曲线频谱。影响电力负荷变化的因素数据包括：电力用户所处地区的日最高温度、日最低温度、日平均温度、降雨量、空气湿度以及日期属性等。

优选的，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。

优选的，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；