一种基于大数据分析的电力用户服务需求预测方法技术

本发明专利技术公开了一种基于大数据分析的电力用户服务需求预测方法，包括，采集电力用户数据，并对电力用户数据进行预处理；利用小波变换聚类算法对预处理后的数据进行分析，以划分电力用户类别；结合电力用户类别和历史电力消费数据，建立电力需求预测模型；通过电力需求预测模型对电力用户服务需求进行预测，并可视化预测结果；本发明专利技术通过结合聚类算法和神经网络，能够对海量数据进行处理，实现了电力用户服务需求的精确预测，同时对预测结果进行可视化，实现电力用户精细化管理。实现电力用户精细化管理。实现电力用户精细化管理。

【技术实现步骤摘要】
一种基于大数据分析的电力用户服务需求预测方法


[0001]本专利技术涉及电力用户服务需求预测的
，尤其涉及一种基于大数据分析的电力用户服务需求预测方法。

技术介绍

[0002]随着科技水平的不断提高，人们越来越离不开电力，很多行业的自动化发展也依赖于电力能源，各地区的用电量都在不断增加，人们对于电力的需求也在不断增长。电网客户服务中心作为电网企业对外服务窗口，需要整合企业内、外部各种数据资源、存贮和分析海量的客户服务信息。如何对电网企业各类数据进行高效、可靠、低廉地存储，并快速分析和预测，是当前重要的研究课题。
[0003]现有技术大部分通过结合人工智能建立需求预测模型解决需求预测问题，但现有的电力需求预测模型考虑的因素过于主观，从而导致预测结果准确度低，且无法对大数据进行预测。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：包括，采集电力用户数据，并对所述电力用户数据进行预处理；利用小波变换聚类算法对预处理后的数据进行分析，以划分电力用户类别；结合所述电力用户类别和历史电力消费数据，建立电力需求预测模型；通过电力需求预测模型对电力用户服务需求进行预测，并可视化预测结果。
[0007]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：所述电力用户数据包括用户个人信息和企业信息；其中，所述用户个人信息包括性别、年龄、居住地、收入、支出、公积金和社保信息；所述企业信息包括企业名称、类型、注册资金和法人信息。
[0008]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：所述预处理包括，使用K近邻算法，选取信息缺失的数据最邻近的R个样本实例作为一个类，去除信息缺失的数据后统计各样本出现次数，出现频率最高的作为替换数据，并将所述信息缺失的数据替换为所述替换数据；对电力用户数据进行归一化处理。
[0009]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：所述划分电力用户类别包括，建立i维量化空间，量化空间被等分为n个小区间，每个小区间对应有n个单元，将预处理后的数据中的每个数据点映射到所述量化空间；将所述量化空间与核函数进行卷积，完成数据聚类。
[0010]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方
案，其中：所述核函数包括，
[0011][0012]其中，K为所述核函数，C为小波变换的复杂度，T为分解层数。
[0013]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：建立电力需求预测模型包括，所述电力需求预测模型包括生成器和判别器，将所述历史电力消费数据输入至所述生成器，通过所述生成器获得伪造数据；将所述伪造数据和电力用户类别输入至所述判别器，通过判别器获得概率P(x)；最小化电力需求预测模型的损失值，获得最优概率，以优化电力需求模型。
[0014]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：电力需求预测模型的损失值包括，
[0015][0016]其中，Loss为电力需求预测模型的损失值，f为电力需求预测模型的目标函数，θ
G
为判别器生成的序列，θ
D
为生成器生成的序列，M为最大迭代次数。
[0017]作为本专利技术所述的基于大数据分析的电力用户服务需求预测方法的一种优选方案，其中：可视化预测结果包括，利用EChart大数据可视化工具对所述预测结果进行可视化展示。
[0018]本专利技术的有益效果：本专利技术通过结合聚类算法和神经网络，能够对海量数据进行处理，实现了电力用户服务需求的精确预测，同时对预测结果进行可视化，实现电力用户精细化管理。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0020]图1为本专利技术第一个实施例所述的基于大数据分析的电力用户服务需求预测方法的流程示意图。
具体实施方式
[0021]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护的范围。
[0022]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。
[0023]其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方
式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0024]本专利技术结合示意图进行详细描述，在详述本专利技术实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本专利技术保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0025]同时在本专利技术的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0026]本专利技术中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0027]实施例1
[0028]参照图1，为本专利技术的第一个实施例，该实施例提供了一种基于大数据分析的电力用户服务需求预测方法，包括：
[0029]S1：采集电力用户数据，并对电力用户数据进行预处理。
[0030]电力用户数据包括用户个人信息和企业信息；
[0031]其中，用户个人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析的电力用户服务需求预测方法，其特征在于：包括，采集电力用户数据，并对所述电力用户数据进行预处理；利用小波变换聚类算法对预处理后的数据进行分析，以划分电力用户类别；结合所述电力用户类别和历史电力消费数据，建立电力需求预测模型；通过电力需求预测模型对电力用户服务需求进行预测，并可视化预测结果。2.如权利要求1所述的基于大数据分析的电力用户服务需求预测方法，其特征在于：所述电力用户数据包括用户个人信息和企业信息；其中，所述用户个人信息包括性别、年龄、居住地、收入、支出、公积金和社保信息；所述企业信息包括企业名称、类型、注册资金和法人信息。3.如权利要求1或2所述的基于大数据分析的电力用户服务需求预测方法，其特征在于：所述预处理包括，使用K近邻算法，选取信息缺失的数据最邻近的R个样本实例作为一个类，去除信息缺失的数据后统计各样本出现次数，出现频率最高的作为替换数据，并将所述信息缺失的数据替换为所述替换数据；对电力用户数据进行归一化处理。4.如权利要求3所述的基于大数据分析的电力用户服务需求预测方法，其特征在于：所述划分电力用户类别包括，建立i维量化空间，量化空间被等分为n个小区间，每个小区间对应有n个单元，将预处理后的数据中的每个数据...

【专利技术属性】
技术研发人员：范俊秋，袁龙，谢威，邵倩文，廖畅，王聃，宋达，杨鹏，王军，谢才科，杨瑞，张华，杜刃刃，王师国，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：