【技术实现步骤摘要】
本专利技术涉及一种大数据环境下用户用电关联因素辨识及用电量预测方法。
技术介绍
准确的用电量预测对电网规划和经济部门的管理决策具有重要的指导意义。在研究不同用户用电特性的基础上开展用电量预测,可以帮助电力企业更好地了解用户个性化服务需求,为未来电网发展及电力需求侧响应政策的制定提供数据支撑。随着我国社会经济的持续发展以及产业结构的不断调整,电力用户的用电特性正呈现多样化发展趋势,用户用电特性的多样化对传统的用电量预测方法提出了挑战。与此同时,随着智能电网的建设和发展,电力企业内部逐渐形成了包括生产数据、营销数据,以及相关社会经济数据等在内的智能配用电大数据为计及用户用电特性的用电量精细化预测提供了数据基础。然而,由于智能配用电大数据种类多、体量大、维度高和生成速度快等特征,使得传统的用电量预测方法在挖掘海量数据信息方面存在一定的局限性,难以准确把握用户的用电量关联因素及变化规律。如何在大数据环境下研究用户的用电特性和用电量关联因素,并对其用电量进行预测,是摆在研究者面前的一个挑战。目前,多数的用电量预测方法可归为三类:基于时间序列的预测方法、用户端预测法,以及计量经济预测法。但是,这些方法或者过于依赖可用数据的质量,或者在辨识用户用电量影响因素时需进行人为干预,无法挖掘隐藏于电能需求变化之后的深层次关联关系,对于大数据环境下的用户用电量预测具有较大的局限性。
技术实现思路
本专利技术提 ...
【技术保护点】
一种大数据环境下用户用电关联因素辨识及用电量预测方法,其特征在于,包含以下步骤:步骤S1、建立多维评价指标体系对用户用电特性进行表征,并根据不同用户的用电特性,在多维评价指标数据的各个子空间中分别开展模糊C均值聚类,提取用户的多样化用电模式,从而实现基于用电模式判别的用户精细化分类;步骤S2、运用互信息理论对用户用电量数据与潜在关联因素数据进行关联分析,辨识与用户用电行为存在强关联关系的因素;步骤S3、根据各类用户的用电量数据及其强关联因素数据,面向各数据样本开展基于随机森林算法的预测建模及参数寻优,对各用户群体的用电量进行预测。
【技术特征摘要】
1.一种大数据环境下用户用电关联因素辨识及用电量预测方法,其特征在于,
包含以下步骤:
步骤S1、建立多维评价指标体系对用户用电特性进行表征,并根据
不同用户的用电特性,在多维评价指标数据的各个子空间中分别开展模糊
C均值聚类,提取用户的多样化用电模式,从而实现基于用电模式判别的
用户精细化分类;
步骤S2、运用互信息理论对用户用电量数据与潜在关联因素数据进
行关联分析,辨识与用户用电行为存在强关联关系的因素;
步骤S3、根据各类用户的用电量数据及其强关联因素数据,面向各
数据样...
【专利技术属性】
技术研发人员:王林童,赵腾,张焰,杨增辉,苏运,
申请(专利权)人:上海交通大学,国网上海市电力公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。