[发明专利]一种具有自动超参检索的月度用电量预测方法及系统

权利要求书

1.一种具有自动超参检索的月度用电量预测方法，其特征在于，至少包括以下步骤：

获取历史用电数据和通过网络数据爬虫获取多个特征变量值；

通过PCA算法对所述多个特征变量值进行降维处理和日电量集处理，得到特征变量矩阵和日电量集；

根据随机森林算法对所述特征变量矩阵和日电量集进行计算，建立用电量预测模型；

对所述用电量预测模型进行自动超参检索计算，得到最优超参数；

根据所述最优超参数对所述用电量预测模型进行训练，得到最优预测模型；

根据所述最优预测模型计算得到最优预测用电量。

2.如权利要求1所述的具有自动超参检索的月度用电量预测方法，其特征在于，所述多个特征变量包括：GDP数据、天气温度、节假日数据、季节数据和历史用电量数据。

3.如权利要求1所述的具有自动超参检索的月度用电量预测方法，其特征在于，所述通过PCA算法对所述多个特征变量值进行降维处理和日电量集处理，得到特征变量PCA矩阵和日电量集，具体为：

通过读取所述多个特征变量值得到输入训练集和输入测试集，根据PCA算法对所述输入训练集和输入测试集进行降维处理，得到特征变量PCA矩阵；通过读取日电量值形成输出训练集和输出测试集，根据PCA算法对所述输出训练集和输出测试集进行降维处理，得到日电量集。

4.如权利要求1所述的具有自动超参检索的月度用电量预测方法，其特征在于，所述根据随机森林算法对所述特征变量PCA矩阵和日电量集进行计算，建立用电量预测模型，具体为：

根据随机森林算法对所述PCA矩阵中的训练集和测试集进行计算，并选用决策树CART算法的基尼系数值作为评判标准，建立用电量预测模型。

5.如权利要求1所述的具有自动超参检索的月度用电量预测方法，其特征在于，所述对所述用电量预测模型进行自动超参检索计算，得到最优超参数，具体为：

设定一个初始超参数检索长度，利用数组保存不同超参数下的loss，通过Min函数取得最低loss点的超参数，并检索定位所述最低loss点的超参数的位置，将所述超参数作为最优超参数。

6.如权利要求1所述的具有自动超参检索的月度用电量预测方法，其特征在于，所述根据所述最优预测模型计算得到月度预测用电量，具体为：

根据所述最优预测模型进行日预测，得到第一预电量预测值向量和第二电量预测值向量，本月预测用电量为本月预测日之前历史用电量之和与所述第一电量预测值向量累加得到，下个月预测用电量为所述第二电量预测值向量；其中所述第一预测值向量为本月预测日到本月底的每日电量预测值向量，所述第二电量预测值向量为下个月每日电量预测值向量。

7.一种具有自动超参数检索的月度用电量预测系统，其特征在于，包括数据获取模块、降维处理模块、模型建立模块、超参检索模块、训练模块和电量计算模块；

所述数据获取模块，用于获取历史用电数据和通过网络数据爬虫获取多个特征变量值；

所述降维处理模块，用于通过PCA算法对所述多个特征变量值进行降维处理和日电量集处理，得到特征变量矩阵和日电量集；

所述模型建立模块，用于根据随机森林算法对所述特征变量矩阵和日电量集进行计算，建立用电量预测模型；

所述超参检索模块，用于对所述用电量预测模型进行自动超参检索计算，得到最优超参数；

所述训练模块，用于根据所述最优超参数对所述用电量预测模型进行训练，得到最优预测模型；

所述电量计算模块，用于根据所述最优预测模型计算得到最优预测用电量。

8.如权利要求7所述的具有自动超参检索的月度用电量预测系统，其特征在于，所述降维处理模块，具体用于：

通过读取所述多个特征变量值得到输入训练集和输入测试集，根据PCA算法对所述输入训练集和输入测试集进行降维处理，得到特征变量PCA矩阵；通过读取日电量值形成输出训练集和输出测试集，根据PCA算法对所述输出训练集和输出测试集进行降维处理，得到日电量集。