[发明专利]一种基于机器学习的供电可靠性指标分级预测方法

说明书

本发明属于预测方法，具体涉及一种基于机器学习的供电可靠性指标分级预测方法。一种基于机器学习的供电可靠性指标分级预测方法，用机器学习预测和预设公式分别进行下一时刻电压和电流的预测，两个预测值的差值小于设定阈值，输出机器预测结果，否则输出预设公式预测值。本发明的显著效果是：(1)通过机器学习和预测，实现了电网预测的自动化和智能化，显著提高了效率和准确性；(2)建立了适合机器学习的可靠性指标，为电网预测的机器学习提供了操作步骤；(3)本方法可以针对任何供电设施进行，灵活度大、适用性广。

技术领域

本发明属于预测方法，具体涉及一种基于机器学习的供电可靠性指标分级预测方法。

背景技术

随着国家经济与能源产业的快速发展，电力用户对电能的需求越来越大，对于供电企业而言，用户用电量的预测显得尤为重要，用电量的预测不仅能够帮助电力公司更好地了解和服务用户，为电网的发展制定相应的规划，具体可以进行配电电量的调度,同时也能帮助政府相关政策的制定,如电力系统的建设规划布局。随着时间的推移以及经济的不断发展，可以预见我国对电力的依赖程度也将越来越高。

用户的用电行为具有差异性，即使是同一行业的用户，随着时间的推移，这种差异也会日趋明显，现有的用电预测大多数通过行业特性来进行模式识别，并不能很好的挖掘用户的信息。用户的用电特性不仅与本行业的相关因素有关，还与其他社会经济因素有关，不同区域用户的用电特性和不同行业的用电特性变化趋势相似，用户用电特性呈现多样化，这对相关电量预测方法形成了挑战。随着科技的发展，特别是智能技术的不断进步，各种智能电网技术层出不穷，电网的建设方面也有了很大的提高，但是现有技术中还没有基于机器学习来预测供电可靠性的方法。

发明内容

本发明针对现有技术的缺陷，提供一种基于机器学习的供电可靠性指标分级预测方法。

本发明是这样实现的：一种基于机器学习的供电可靠性指标分级预测方法，用机器学习预测和预设公式分别进行下一时刻电压和电流的预测，两个预测值的差值小于设定阈值，输出机器预测结果，否则输出预设公式预测值。

如上所述的一种基于机器学习的供电可靠性指标分级预测方法，其中，机器学习使用的是图论推理算法或者拉普拉斯支持向量机方法。

如上所述的一种基于机器学习的供电可靠性指标分级预测方法，其中，包括下述步骤：

步骤一、采样；

需要采样的参数包括：电压V、电流I、频率F、环境温度T、环境湿度K，取样间隔为S；

本申请用i表示不同次取样获得的取样结果，即用V_i、I_i、F_i、T_i、F_i、T_i、K_i表示同一次取样结果，

步骤二、机器学习训练；

以步骤一采样的数据为基础，采用图论推理算法或者拉普拉斯支持向量机方法对机器进行学习训练，

经训练的机器不断输出预测到的下一时刻电压和电流，

步骤三、基准计算；

在第一次采样时不进行计算，从第二次采样开始用下述公式进行计算，设M为到当前时刻总共采样的次数；用下述公式计算下一时刻的电压和电流，

本步骤计算出的下一时刻的电压和电流为基准值，

步骤四、预测准确性判定；