[发明专利]基于prophet-LightGBM组合模型的电量预测方法及系统

权利要求书

1.一种基于prophet-LightGBM组合模型的电量预测方法，其特征在于，包括以下步骤：

步骤S1：对电力用户的用电量和各种协变量进行数据读取，汇总成不同用电类别的电量数据，组成数据集；

步骤S2：对数据集进行包括数据清洗的预处理，划分训练集和测试集；

步骤S3：采用Prophet和lightGBM的组合模型对用电量进行预测，其中，采用Prophet模型可以对历史和预测时段的电量时间序列进行特征提取，构建新的数据集；再采用LightGBM模型对新数据集进行时间序列的预测，得到最终电量的预测值。

2.根据权利要求1所述的基于prophet-LightGBM组合模型的电量预测方法，其特征在于：步骤S1中的汇总包括行业分类汇总，依据参照国民经济行业分类总表，并定义行业序列与行业编号对应，采用行业序列作为数据连接、聚合的索引。

3.根据权利要求1所述的基于prophet-LightGBM组合模型的电量预测方法，其特征在于：步骤S1中所述协变量包括最高气温、最低气温、星期、是否节假日、农历、国民生产总值，共6个特征变量，其中最高温度、平均温度、最低温度由天气预报获取，是否节假日根据日历确定。

4.根据权利要求1所述的基于prophet-LightGBM组合模型的电量预测方法，其特征在于：步骤S2中的数据预处理包括：分析不同因素对用电量的影响情况，对于数据中的缺失值，采用历史同期的用电量进行填补；对于数据中可能存在的异常值，采用基于滑动窗口的孤立森林算法检测，并用其前后两天取平均值或线性插值的方法进行填补。

5.根据权利要求1所述的基于prophet-LightGBM组合模型的电量预测方法，其特征在于：

步骤S3中的prophet模型,输入过去和预测时段的电量值和相应的时间戳，通过模型训练和预测得到过去和将来电量的时间信息特征，模型构成为：

y(t)＝g(t)+s(t)+h(t)+∈_t

其中，y(t)为预测的电量值，g(t)为趋势项，表示用电量在非周期上面的变化趋势；s(t)为周期项，表示用电量的周期变化；h(t)为节假日项，表示非固定周期的节假日对电量预测造成的影响；∈_t为误差项，表示模型未预测到的波动；

基于分段线性函数的趋势项：

g(t)＝(k+a(t)^Tδ)·t+(m+a(t)^Tγ)

其中p为序列周期长度，N为模型中使用的周期个数，a_nb_n表示待估计的傅里叶系数；

L为节假日个数，D_i为节假日的前后一段时间，表示节假日对电量的影响时间范围，κ_i为服从正态分布的参数；

将prophet模型提取到的包括电量趋势、周期、节假日影响的时间特征，以日期作为索引和原始数据集进行连接操作，并添加距离春节还有多少天的特征，构建获得新的数据集。

6.根据权利要求1所述的基于prophet-LightGBM组合模型的电量预测方法，其特征在于：步骤S3中的lightgbm模型,首先利用互斥特征绑算法，将互斥的稀疏特征捆绑成稠密特征，以减少特征数量并提高运算效率；再利用直方图优化算法把连续的特征变量离散化，根据直方图的离散值遍历得到最佳分裂点；采用带最大深度限制的深度优先分裂策略算法构建树，以减少计算量，最后训练过程中使用单边采样的策略，对梯度大于预设值的样本全部参与决策树构建，同时随机采样梯度小于预设值的样本参与构建决策树，以保证样本的数据分布不被破坏。