[发明专利]电力用户负荷预测模型选择方法和装置

说明书

本发明公开了一种电力用户负荷预测模型选择方法和装置，所述方法包括：采集已有用户的负荷预测模型和预测维度数据，对数据进行预处理形成数据集；对数据集进行逐层扫描，设置最小支持度和最小置信度，确定负荷预测模型的频繁项集，形成用户适用模型分类规则；获取新增用户数据，根据用户适用模型分类规则对所述新增用户数据遍历所有已有用户的负荷预测模型，确定所述新增用户的负荷预测模型；根据所述新增用户的负荷预测模型对所述新增用户的用电负荷进行预测。本发明而实现了对新增用户负荷预测模型的快速选择，提高了售电公司对新增用户负荷预测的准确率。

技术领域

本发明涉及数据预测及模型选择技术应用领域，尤其涉及一种电力用户负荷预测模型选择方法、装置、可读介质及电子设备。

背景技术

随着电力市场逐步开放，越来越多的用户参与到电力市场交易中。售电公司在代理电力用户交易中，降低考核偏差是其盈利关键。新增的电力用户其负荷数据还比较少，如何对新增用户进行有效的负荷预测至关重要。

目前对用户电力预测的预测方法都是基于已存在用户的负荷数据和生产信息进行预测，新增用户由于负荷数据和生产信息数据搜集较少，传统的负荷预测方法需要经过不断迭代才能实现较好的预测效果。

发明内容

本发明提供一种电力用户负荷预测模型选择方法、装置、可读介质及电子设备，本发明通过采集已有用户的负荷预测模型和预测维度数据形成数据集，对数据集进行全集扫描，设置最小支持度和最小置信度，确定已有用户负荷预测模型的频繁项集，形成用户适用模型分类规则，对新增用户遍历所有规则，计算模型适用性得分，选择适用性得分最高的模型作为新增用户的最终适用模型，最后根据该最终适用模型可以计算得到用户的准确的负荷预测结果，从而实现了对新增用户负荷预测模型的快速选择，提高了售电公司对新增用户负荷预测的准确率。

第一方面，本发明提供了一种电力用户负荷预测模型选择方法，包括：

采集已有用户的负荷预测模型和预测维度数据，对所述数据进行预处理形成数据集；

对所述数据集进行逐层扫描，设置最小支持度和最小置信度，确定所述负荷预测模型的频繁项集，形成用户适用模型分类规则；

获取新增用户数据，根据所述用户适用模型分类规则对所述新增用户数据遍历所有已有用户的负荷预测模型，确定所述新增用户的负荷预测模型；

根据所述新增用户的负荷预测模型对所述新增用户的用电负荷进行预测。

优选地，

所述对数据进行预处理形成数据集，具体包括：

采集至少包括用户平均用电量和用户资本两个预测维度的数据；

对所述数据进行预处理，填充数据缺失点，并修正数据异常点；

采用聚类算法分别对所有用户的用户平均用电量和用户资本进行离散化处理。

优选地，

所述确定所述负荷预测模型的频繁项集，形成用户适用模型分类规则，具体包括：

选择支持度大于所述最小支持度的数据集作为所述负荷预测模型的频繁项集；

计算每一个频繁项集的置信度，筛选出满足最小置信度的频繁项集关联用户的负荷预测模型，作为用户适用模型。

优选地，

所述根据所述用户适用模型分类规则对所述新增用户数据遍历所有已有用户的负荷预测模型，具体包括：

对所述新增用户数据进行预处理；

将所述新增用户数据与所有所述用户适用模型进行规则匹配，计算所述新增用户数据与所述用户适用模型中每一个数据项的最小支持度和最小置信度。