[发明专利]基于电力大数据居家概率预测方法及其设备

权利要求书

1.基于电力大数据居家概率预测方法，其特征在于，包括：

获取住户一段时间内的日用电量数据，并计算出住户平均用电量μ；

根据获取日用电量数据判断住户是否为空置住户；

基于获取的日用电量数据构建时间序列模型，并采用所述的时间序列模型预测住户未来一段时间的日用电量，得住户预测日用电量；

将住户预测日用电量与住户平均用电量μ进行比较，预测住户未来一段时间的居家概率。

2.根据权利要求1所述的基于电力大数据居家概率预测方法，其特征在于，所述根据获取日用电量数据判断住户是否为空置住户，包括：

获取住户日用电量数据，若满足如下条件中的任一个条件：

(1)连续两周用电数据为零；

(2)一个月用电数据为零；

(3)半年用电数据为零；

则判断为空置住户，其居家概率为零。

3.根据权利要求1所述的基于电力大数据居家概率预测方法，其特征在于，所述建时间序列模型为采用用于处理非平稳序列的时间序列模型。

4.根据权利要求1所述的基于电力大数据居家概率预测方法，其特征在于，所述将住户预测日用电量与住户平均用电量μ进行比较，预测住户未来一段时间的居家概率，包括：

分别将住户预测日用电量与住户平均用电量μ进行比较；

若住户预测日用电量高于住户平均用电量μ，则住户未来一段时间在家的概率≥50％；

若住户预测日用电量低于住户平均用电量μ，则住户未来一段时间在家的概率＜50％。

5.根据权利要求4所述的基于电力大数据居家概率预测方法，其特征在于，所述分别将住户预测日用电量与住户平均用电量μ进行比较，包括：

基于住户平均用电量μ，计算出住户用电标准差σ；

基于住户平均用电量μ和住户用电标准差σ，将用户日用电量数据分割成数个区间，得分割区间；

将住户预测日用电量分别和分割区间进行比较。

6.根据权利要求1所述的基于电力大数据居家概率预测方法，其特征在于，所述日用电量数据与居家概率密度服从正态分布。

7.根据权利要求5所述的基于电力大数据居家概率预测方法，其特征在于，所述基于住户平均用电量μ和住户用电标准差σ，将用户日用电量数据分割成数个区间，得分割区间，包括：

根据日用电量数据与居家概率密度的正态分布，确定分割区间的范围；

基于住户平均用电量μ和住户用电标准差σ，将用户日用电量数据分割成数个区间，得分割区间。

8.根据权利要求5或7所述的基于电力大数据居家概率预测方法，其特征在于，所述分割区间的端点值从小到大分别为：μ-3σ、μ-2σ、μ-σ、μ、μ+σ、μ+2σ、μ+3σ。

9.根据权利要求1所述的基于电力大数据居家概率预测方法，其特征在于，所述居家概率的判断标椎如下：

若住户预测日用电量≥μ+2σ，则居家概率为≥95％；

若住户预测日用电量∈[μ+σ,μ+2σ)，则居家概率为[85％～95％)；

若住户预测日用电量∈[μ,μ+σ)，则居家概率为[50％～85％)；

若住户预测日用电量∈[μ-σ,μ)，则居家概率为[25％～50％)；

若住户预测日用电量∈[μ-2σ,μ-σ)，则居家概率为[5％～25％)；

若住户预测日用电量＜μ-2σ，则居家概率为＜5％。

10.一种装置，其特征在于，用于执行权利要求1～9任一所述基于电力大数据居家概率预测方法，包括：

数据获取模块，用于获取住户一段时间内的日用电量数据，并计算出住户平均用电量μ；

数据判断模块，用于根据获取日用电量数据判断住户是否为空置住户；

模型处理模块，用于基于获取的日用电量数据构建时间序列模型，并采用所述的时间序列模型预测住户未来一段时间的日用电量，得住户预测日用电量；

概率预测模块，用于将住户预测日用电量与住户平均用电量μ进行比较，预测住户未来一段时间的居家概率。