基于关联规则的城市电力负荷预测模型自动推荐方法技术

本发明专利技术属于配电系统负荷预测领域，涉及一种基于关联规则的城市电力负荷预测模型自动推荐方法，包括下列步骤：建立历史数据库；数据分析和概化；关联规则挖掘；规则匹配；循环进行，给出模型推荐结论。本发明专利技术不仅能得出待预测地区模型的使用情况，还能推断出一些模型的适用规则；利用了基于案例的推理方法，提高了模型推荐的效率，并结合了一定的专家经验，提高了负荷预测效率。

【技术实现步骤摘要】

本专利技术属于配电系统规划中长期负荷预测以及配电系统运行短期负荷预测领域，涉及一种城市电力负荷预测模型自动推荐方法。
技术介绍
在城市电网规划中，负荷及其发展趋势的分析预测是一项基础工作，它决定了未来城市对电力的需求量和未来城市电网的供电容量，对城市供电电源点的确定和发电规划具有重要的指导意义，其精度的高低直接影响着电网规划质量的优劣。负荷预测工作具有很强的预见特性，受很多因素影响，如城市特性(如城市中心性、城市职能、城市气候类型、城市经济发展水平及城市产业比重等)、负荷特性(如负荷历史数据、负荷饱和水平等)。在实际的城市电力负荷预测中，这些相关因素的影响作用不容忽略。负荷预测模型是进行预测的基本工具，随着预测模型的增加，决策者面临的问题是无从选择最为合适的模型。在选用合适的负荷预测模型方面，现有一般做法是选用预测工作者熟悉的几种方法，或者采用多种预测模型分别预测，对结果综合分析，利用组合模型对多种预测模型求取权重，最终能够得到各预测模型应用情况的结论。综合上述情况，可以得出模型使用的结论花费时间较长，每进行一次预测，都要重新调用所有算法一次。从经济效益和长远发展来看，迫切要求新的方法来解决这个问题。考虑到现有负荷预测模型种类繁多，并且都有自己的适用条件，如有些模型本身就不能考虑城市电力负荷相关因素进行计算，有些模型不适于城市负荷发生饱和的情况下进行计算。
技术实现思路
本专利技术的目的是克服现有技术的上述不足，提供一种城市电力负荷预测模型自动推荐的方法，该方法能够根据待预测地区的各种相关因素发展水平利用原始积累的案例数据进行关联规则挖掘，将待预测地区的聚类分析概化条件与适合模型规则库中的规则进行匹配。最后推荐出支持度最高的规则作为模型适用结论。为此，本专利技术采用如下的技术方案。一种，包括下列步骤第一步历史案例数据库构建基于大量的城市地区的历史数据资料，分析统计各类城市的电力负荷及相关因素的发展规律，并结合专家知识和城市特性进行预测模型的适应性评价，给出适用度评价结果，建立包括城市特性、电力负荷特性及预测模型适用度的历史案例数据库；第二步数据聚类分析和概化将第一步得到的历史案例数据库中的连续型历史数据进行聚类分析和离散化，得到各类数据所属聚类范围的概化结果，从而得到概化后的历史案例数据库；第三步适合模型规则库构建基于概化后的历史案例数据库，挖掘城市特性、电力负荷特性与预测模型适用度间的关联规则，依据规则的最小支持度和最小可信度，筛选得到城市电力负荷预测的适合模型规则库；第四步适合模型推荐基于适合模型规则库，将待预测城市地区的城市特性、电力负荷特性及预测模型适用度进行第二步的聚类分析和概化，将概化结果作为已知条件和适合模型规则库中的规则进行匹配，确定待预测城市地区的预测模型适用方案，自动推荐适合的预测模型；作为优选实施方式，所述的城市特性包括城市人口、 GDP发展水平、第二产业比重，第二步中利用K-Means算法进行历史案例数据库中包括预测模型适用度、城市人口、 GDP.发展水平、第二产业比重在内的每种连续型历史数据的聚类分析和概化；第三步中，采用FP-Growth算法进行城市特性、电力负荷特性与预测模型适用度间的关联规则挖掘；第四步适合模型的规则匹配中，若只有一条匹配结果，则将此匹配结果对应的预测模型确定为适合的预测模型；若规则库中含有多条与已知概化结果相同的匹配结果，则按照支持度和关联度由高至低排序，选出支持度最高的规则所对应的模型确定为适合的预测模型；若规则库中不存在相应的匹配结果时，转为利用求取模型精度等级的方法结合专家千预得出模型适用情况；其中，利用求取模型精度等级的方法结合专家干预得出模型适用情况的步骤如下将所有模型的预测结果与己发生的现状年负荷数据作对比，根据其平均相对误差来设定模型不同的拟合精度等级，用qy。来表示相对误差；当q%<=0.01时，设定拟和精度为一级(高精度)；当0.01〈q%〈=0.05时，拟和精度为二级(好)；当0. 05〈q%<=0. 10时，拟和精度为三级(合格);当q%>0. 10时，拟和精度为四级(不合格);通过设定拟和精度的最小容许等级，筛选出适合的模型。 '本专利技术的基于关联规则的城市电力负荷预测模型自动推荐的方法与以往的方法相比，表现出了极大的优越性(1) 原始数据来自实际规划数据，可靠性较高，尽管有些数据不能完全获得，通过查阅文献资料最终能够得到可靠的数据；(2) 数据分析和数据挖掘技术日趋成熟，将其应用于负荷预测模型推荐是一突破性方法；通过数据挖掘，能够发现人为直观观察不能发现的规则。利用这些规则，能够有效的指导城市电网规划工作，根据一个地区的发展水平能够快速得出模型应用与否的结论。(3) 利用当前应用广泛的基于案例的推理技术(CBR),得出的结论具有很强的可信度。Case-based Reasoning(CBR)是以范例为基础进行推理，把人们以往的经验存成一个个的范例，当面临新的问题时，就可以对范例库进行搜索，找到合适的范例作为参考，这其实是实现经验的重用；如果对找至!J的实例有不满之处，就可以进行修改以适应当前情况，修改后的实例将被再次存入范例库，以便下次使用时作为参考，这其实是实现经验的自学习。本专利技术将其应用于城市电力负荷预测辅助决策系统中，较以往的拟合机制大大提高了工作效率，并能够更人性化的考虑实际因素，结合专家意见，使预测结果更可信，能够有效的指导城市电网规划工作。总之，本专利技术在得到最终的预测方案的过程中，有效的运用了数据离散化技术和关联规则挖掘技术，不仅能得出待预测地区模型的使用情况，还能推断出一些模型的适用规则；利用了基于案例的推理方法，提高了模型推荐的效率，并结合了一定的专家经验，提高了负荷预测效率。附图说明图1:本专利技术""总体流程图2: CBR规则匹配流程图。具体实施例方式下面先对本专利技术的自动推荐方法进行详细描述。1、 历史案例数据库构建进行适合模型推荐，首先要建立历史数据库，为本专利技术提供的原始数据来自国内大量城市的规划相关数据，主要包括以往预测地区的历史负荷数据，相关因素数据，如第二产业比重、城市类型、城市行政职能、城市人口发展、城市负荷发展现状、预测时限、城市GDP发展水平等。为便于得到准确合理的结论，将模型的适用度也作为一个连续量进行分析，在此要，将模型适用度定为在0-1中取值，其中0是适用最低等级，表示模型不适用；l是模型适用最高等级，表示模型对预测地区完全适用；0-l之间的任何一个实数表示模型不同的适用程度。2、 数据聚类分析和概化对于所有的负荷及其相关因素历史数据都是连续性的，在进行关联规则挖掘之前要对其进行离散化，本专利技术中提出了对模型的适应度设定，即将模型是否应用也作为能够进行离散化的数据，为适应度设定一个范围，根据具体情况来决泰其取值。方法中对各类数据设定聚类中心个数，这样可以将同类数据分为若干级别，保证相同级别之间的数据差异较小，不同级别之间的差异相对较大。本专利技术利用K-Means算法进行聚类分析。3、 适合模型规则库构建适合模型规则库构建主要采用关联规则挖掘方法，本专利技术中的关联规则挖掘运用FP-grows挖掘算法。3.1运用FP-grows算法所涉及基本概念1) FP-Tree将事务数据表中的各个本文档来自技高网...

【技术保护点】
一种基于关联规则的城市电力负荷预测模型自动推荐方法，包括下列步骤：　第一步　历史案例数据库构建：基于大量的城市地区的历史数据资料，分析统计各类城市的电力负荷及相关因素的发展规律，并结合专家知识和城市特性进行预测模型的适应性评价，给出适 用度评价结果，建立包括城市特性、电力负荷特性及预测模型适用度的历史案例数据库；　第二步　数据聚类分析和概化：将第一步得到的历史案例数据库中的连续型历史数据进行聚类分析和离散化，得到各类数据所属聚类范围的概化结果，从而得到概化后的历史案 例数据库；　第三步　适合模型规则库构建：基于概化后的历史案例数据库，挖掘城市特性、电力负荷特性与预测模型适用度间的关联规则，依据规则的最小支持度和最小可信度，筛选得到城市电力负荷预测的适合模型规则库；　第四步　适合模型推荐：基于 适合模型规则库，将待预测城市地区的城市特性、电力负荷特性及预测模型适用度进行第二步的聚类分析和概化，将概化结果作为已知条件和适合模型规则库中的规则进行匹配，确定待预测城市地区的预测模型适用方案，自动推荐适合的预测模型。

【技术特征摘要】

【专利技术属性】
技术研发人员：肖峻，耿芳，葛少云，罗凤章，王笑一，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]